[CVPR 2026] OralGPT-Plus：模拟牙医思维，通过强化学习学会使用诊断工具

TL;DR

在牙科影像诊断中，医生往往需要“放大细看”或者“对比对侧”来确认病灶。传统的 AI 模型大多只能“看一眼给结论”。OralGPT-Plus 通过引入 Agentic Reasoning（智能体推理） 范式，让模型学会了使用 Zoom-In 和独特的 Mirror-In 对称对比工具，结合重检驱动的强化学习，在全景 X 光片分析中展现了超越现有商业模型（如 GPT-5）的临床诊断能力。

1. 痛点：静态模型的“临床局限性”

在处理全景牙科 X 光片（Panoramic Radiographs）时，医生面临的是极高分辨率的图像。临床上，为了识别极细微的龋齿或根尖周炎，牙医的操作习惯通常包括：

1. 局部放大：观察可疑区域。
2. 双侧对比：利用牙齿的天然对称性，对比对侧健康的对应部位来排除伪影干扰。

现有的视觉语言模型（VLM）通常采用 Single-pass（单次预测）模式。这种“一锤子买卖”的方式无法处理长程推理，在遇到视觉模糊的区域时极易产生幻觉（Hallucination）。

图 1：从传统检测器到单次 VLM，再到 OralGPT-Plus 的智能体范式飞跃

2. 核心贡献：Dental-Aware Tool Design

OralGPT-Plus 不再只是一个输出文本的分类器，而是一个可以在图像空间“行进”的智能体。

核心工具：Mirror-In

作者发现，单纯的 Zoom-In（放大）只能提供更多的局部细节，但在牙科诊断中，对称性是极其重要的先验。Mirror-In 工具允许模型在选定一个区域后，自动获取其中轴线镜像的对应区域，形成双向对比视图。这种设计将隐式的解剖学先验变成了显式的模型动作，极大增强了模型识别低对比度病灶的鲁棒性。

专家轨迹：DentalProbe 数据集

为了让模型学会这些复杂的工具操作，作者构建了 DentalProbe 数据库。它包含 5,000 张全景片及由三名代理协作（生成、验证、重写）产生的专家级诊断轨迹。这些轨迹涵盖了“全局观察 -> 局部发现 -> 对称验证 -> 最终结论”的完整链路。

图 2：DentalProbe 专家诊断轨迹的自动构建流程

3. 重检驱动的强化学习 (RL)

如何确保模型不滥用工具，且在诊断不确定时主动发起重检？作者引入了 Reinspection-Driven RL。

• Rubrics-based Reward：摒弃传统的 0/1 奖励，采用梯度平滑的 Rubric 打分，对部分正确的诊断（如 5 个病灶找对 3 个）给子梯度级的反馈。
• 置信度感知的探索奖励 (Conditioned Reward)：模型只有在初始诊断具有一定置信度但可能不完整时，才会因为使用工具而获得奖励。这防止了模型盲目使用工具（Reward Hacking）。

4. 实验战绩与洞察

在全新的多维度基准测试 MMOral-X 上，OralGPT-Plus 展现了恐怖的统治力。

表 1：OralGPT-Plus 在 MMOral-X 挑战赛中对比各种商业及开源模型的结果

深度洞察 (Takeaways)：

1. 能力决定 RL 上限：实验发现 7B 模型经过 RL 后的提升远超 3B 模型。这说明只有具备足够参数容量的模型，才能真正理解复杂的“工具使用-观察反馈”闭环。
2. 对称对比是刚需：消融实验显示，如果去掉 Mirror-In 工具，模型在处理复杂案例时的性能会直线下跌 10% 以上。
3. 防止奖励黑客：如果没有“置信度感知的奖励机制”，模型会学会通过频繁调用无效工具来骗取步数奖励，这说明对 Agentic VLM 的奖励建模必须与临床意图深度对齐。

5. 总结与展望

OralGPT-Plus 的成功不仅仅在于刷榜，它代表了一种全新的医学影像 AI 设计哲学：将静态理解转化为动态交互。 这种模拟人类医生“观察-思考-复诊”的模式，有望成为未来所有长程医学影像诊断（如 CT, MRI 序列分析）的标准范式。

代码与数据集已开源：https://github.com/isbrycee/OralGPT