Dental-TriageBench：分层牙科分类的多模式推理基准测试

牙科分诊是一项安全关键的临床路线任务，需要整合多模式临床信息（例如患者投诉和放射学证据）来确定完整的转诊计划。我们推出 Dental-TriageBench，这是第一个专家注释的推理驱动多模式牙科分类基准。它基于真实的门诊工作流程构建，包含 246 个去标识化病例，并附有专家编写的专家参考推理轨迹以及分层分类标签。我们将 19 个专有、开源和医疗领域的 MLLM 与作为人类基线的三名初级牙医进行比较，并发现在细粒度治疗级别分类方面存在巨大的人类模型差距。进一步的分析表明，准确的分类需要投诉和 OPG 信息，并且模型错误集中在具有多个转诊领域的案例，其中 MLLM 往往会产生过于狭窄的转诊集和遗漏严重的错误。 Dental-TriageBench 为开发多模式临床 AI 系统提供了一个现实的测试平台，这些系统更加临床基础、覆盖范围更广，并且下游护理更安全。