전 세계 약 35억 명이 구강 질환을 앓지만 치과 분야 대규모 AI 모델의 비교 임상 잠재력은 잘 정리되지 않았다는 문제의식에서, PRISMA-ScR 지침에 따라 4개 데이터베이스를 검색해 2020~2026년 97개 연구를 체계적으로 검토한 논문이다. 저자들은 모델을 아키텍처 패러다임과 치과 특화 정도라는 2차원으로 분류한다. 언어생성 모델은 임상 추론·면허시험·환자 소통 같은 텍스트 과제에 뛰어나지만 영상 진단에선 일관성이 떨어졌고, SAM·CLIP 변형은 치아 분할·병변 탐지에서 강했으며, 치과 특화 모델(DentVFM, DentVLM, OralGPT)이 복잡한 멀티모달 과제에서 최고 성능을 보였다. 통합 파이프라인이 단일 모델을 일관되게 앞섰고, 안전한 자율 배치를 위해서는 생성 모델의 환각, 부족한 주석 데이터셋, 표준 임상 평가 벤치마크 부재라는 세 장벽 해결이 필요하다.

• •PRISMA-ScR 지침으로 2020~2026년 치과 AI 연구 97건을 체계적 검토한 스코핑 리뷰
• •아키텍처 패러다임과 치과 특화 정도로 모델을 나누는 2차원 분류 프레임워크 제안
• •치과 특화 모델(DentVFM·DentVLM·OralGPT)이 복잡한 멀티모달 과제에서 최고 성능
• •치과 특화 사전학습이 거의 비전 도메인에 집중되는 데이터 비대칭 관찰(텍스트 코퍼스 희소)
• •자율 배치의 세 장벽: 생성 모델 환각, 주석 데이터 부족, 표준 임상 평가 벤치마크 부재