تقييم طب الأسنان
بالتعاون مع خبراء أسنان من أنحاء العالم، نختبر قدرة النماذج الكبيرة على الاستدلال في الممارسة السنية الحقيقية ومخاطرها على السلامة.
8,978 سؤالًا تحقق منها الخبراء من 88 دولة ومنطقة و14 تخصصًا في طب الأسنان، لاختبار الاستدلال السريري ومخاطر السلامة لدى النماذج الكبيرة في طب الأسنان.
Global Partners
تغطي شبكة شركائنا 10 دولة ومنطقة
16 جامعة ومستشفى ومعهد أبحاث، مع خبراء أسنان من هونغ كونغ والبر الرئيسي الصيني وخارج الصين، يشاركون في تطوير الذكاء الاصطناعي لطب الأسنان لدى FreedomAI وتقييمه والتحقق منه سريريًا.

الخريطة الأساسية: خريطة العالم (مقياس 1:57,000,000، طبعة الحدود) من خدمة الخرائط القياسية التابعة لوزارة الموارد الطبيعية الصينية رقم اعتماد الخريطة: GS(2020)4392
- الصينالجامعة الصينية في هونغ كونغ (شنتشن)، Peking University، National Biomedical Imaging Center, Peking University، Peking-Tsinghua Center for Life Sciences، Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University
- هونغ كونغ (الصين)كلية طب الأسنان، جامعة هونغ كونغ، The Prince Philip Dental Hospital
- الولايات المتحدةمايو كلينك
- ألمانياLMU University Hospital Munich
- سويسرادولة شريكة
- الهنددولة شريكة
- ماليزياSEGi University & Colleges
- أستراليادولة شريكة
- نيجيرياNational Hospital Abuja، College of Medicine, University of Lagos، Bayero University، Usmanu Danfodiyo University, Sokoto، University of Maiduguri
- إثيوبياMadda Walabu University
لماذا نحتاج إلى تقييم عالمي لطب الأسنان
باتت النماذج اللغوية الكبيرة تقترب من أداء الخبراء البشريين في امتحانات الترخيص الطبي، لكن العمل السريري الحقيقي يتطلب استدلالًا متعدد الخطوات بمعلومات ناقصة وملتبسة. وطب الأسنان أكثر تطلبًا: إذ يجمع بين التحليل المكاني والمهارات الإجرائية والتخطيط العلاجي طويل الأمد بما يناسب كل مريض. ومعظم معايير تقييم نماذج اللغة في طب الأسنان الحالية محصورة في امتحانات بلد واحد أو في تخصصات فرعية محددة، وتعتمد على أسئلة الاختيار من متعدد، فتقيس الحفظ أكثر من الاستدلال القائم على الحالات.
لهذا أُنشئ GlobalDentBench. ووفق البحث، فهو أول معيار تقييم متعدد الجنسيات لطب الأسنان: 8,978 سؤالًا تحقق منها الخبراء من 88 دولة ومنطقة في ست قارات، تغطي 14 تخصصًا و3 أنواع أسئلة و3 مستويات استدلال متدرجة. وتأتي الأسئلة من امتحانات رسمية وكتب مرجعية وتقارير حالات محكّمة؛ ويُبنى المعيار عبر خط عمل آلي من الوكلاء الذكيين، ويعايره 6 أطباء أسنان كبار طوال العملية.
قيّم الفريق 12 نموذجًا رائدًا (6 مغلقة المصدر و6 مفتوحة). وكلما اقتربت الأسئلة من الحالات الحقيقية واعتمدت أكثر على ظروف المريض الفردية انخفضت الدرجات؛ وفي أسئلة الحالات الحقيقية، تضمّن نحو ثلث الإجابات محتوى قد يضر بالمريض. ويخلص البحث إلى أن النماذج الكبيرة الحالية تصلح لدعم البحث عن المعرفة وتنظيمها تحت إشراف الخبراء، لكنها لا تستطيع بعد اتخاذ القرارات السريرية في طب الأسنان بمفردها.
أنجز الدراسة 25 مؤلفًا من مؤسسات منها كلية طب الأسنان بجامعة هونغ كونغ، والجامعة الصينية في هونغ كونغ (شنتشن)، ومستشفى شنتشن لطب الفم والأسنان (بينغشان) التابع لجامعة الجنوب الطبية، وجامعة بكين، ومايو كلينك في الولايات المتحدة، ومستشفى جامعة لودفيغ ماكسيميليان في ميونخ بألمانيا، وبمشاركة فريق FreedomAI: فالمدير التنفيذي للعمليات Junjie Zhao والمدير التقني Zhenyang Cai مؤلفان أولان مشاركان، وكبير علماء الذكاء الاصطناعي Benyou Wang وكبير العلماء الطبيين Junwen Wang مؤلفان مراسلان، وأسهم الرئيس التنفيذي Jianquan Li في استدلال النماذج وجمع النتائج. والشيفرة الخاصة ببناء المعيار وتقييمه مفتوحة المصدر على GitHub، والمجموعة الفرعية المفتوحة GlobalDentBench-OA متاحة على Hugging Face.
في ست قارات
مصادر الأسئلة
يحصي البحث مصادر الأسئلة وفق معيار M49 للأمم المتحدة. فيما يلي 73 دولة ومنطقة موسومة في مجموعة البيانات المفتوحة GlobalDentBench-OA؛ والدول المميزة باللونالأخضرقدّمت امتحانات الترخيص الرسمية لطب الأسنان المستخدمة في أسئلة الاختيار من متعدد.
آسيا28
- البر الرئيسي الصيني
- هونغ كونغ (الصين)
- تايوان (الصين)
- الهند
- اليابان
- كوريا الجنوبية
- المملكة العربية السعودية
- إيران
- الإمارات العربية المتحدة
- تايلاند
- إندونيسيا
- ماليزيا
- تركيا
- نيبال
- فيتنام
- كمبوديا
- العراق
- إسرائيل
- الأردن
- الفلبين
- قطر
- سوريا
- جورجيا
- لبنان
- باكستان
- سنغافورة
- سريلانكا
- الأراضي الفلسطينية
أوروبا24
- المملكة المتحدة
- إيطاليا
- إسبانيا
- ألمانيا
- سويسرا
- هولندا
- فرنسا
- البرتغال
- كرواتيا
- هنغاريا
- بلغاريا
- اليونان
- روسيا
- النمسا
- بلجيكا
- أيرلندا
- السويد
- ألبانيا
- التشيك
- الدانمرك
- النرويج
- رومانيا
- سلوفينيا
- أوكرانيا
أفريقيا7
- تونس
- مصر
- جنوب أفريقيا
- ليبيا
- المغرب
- نيجيريا
- أوغندا
أمريكا الشمالية6
- كندا
- الولايات المتحدة
- المكسيك
- كوستاريكا
- غواتيمالا
- بورتوريكو
أمريكا الجنوبية6
- البرازيل
- كولومبيا
- الإكوادور
- تشيلي
- بيرو
- فنزويلا
أوقيانوسيا2
- أستراليا
- نيوزيلندا
تصميم التقييم: 3 مستويات استدلال × 3 أنواع أسئلة × 14 تخصصًا
استرجاع المعرفة
تذكّر معارف طب الأسنان الراسخة، دون استدلال جوهري على الحالة.
متوسط 12 نموذجًا: 74.01%
الاستدلال الروتيني
الاستدلال أساسًا من المظاهر السريرية الرئيسية، وفق مسار تشخيصي أو علاجي نمطي.
متوسط 12 نموذجًا: 55.64%
الاستدلال الخاص بكل مريض
يتطلب القرار النهائي مراعاة معلومات المريض الفردية أو قيوده الخاصة أو عوامل سريرية غير معيارية.
متوسط 12 نموذجًا: 35.71%
اختيار من متعدد MCQ
3,679 سؤالًا
التقييم: مطابقة الإجابة
مأخوذة من امتحانات الترخيص والتأهيل الرسمية لطب الأسنان في أستراليا ونيوزيلندا وكندا والهند والمملكة المتحدة والولايات المتحدة، لاختبار المعرفة المعيارية.
متوسط 12 نموذجًا: 81.34%
إجابة قصيرة SAQ
3,709 سؤالًا
التقييم: يصححها نموذج مقيِّم (بمعايرة أطباء الأسنان)
مأخوذة من كتب مرجعية في طب الأسنان (مثل Diagnosis and Treatment Planning in Dentistry)، ويجيب النموذج بلغة طبيعية.
متوسط 12 نموذجًا: 64.53%
حالات سريرية CBQ
1,590 سؤالًا
التقييم: تقييم 5 نقاط أساسية كلٍّ على حدة، مع تقييم مخاطر السلامة
مولّدة من تقارير حالات محكّمة نُشرت في مجلات أسنان عالية التأثير بين 2020 و2025، لاختبار الاستدلال السريري في سيناريوهات حقيقية.
متوسط 12 نموذجًا: 22.34%
يغطي 14 تخصصًا في طب الأسنان
بناء بالوكلاء الذكيين ومعايرة كاملة من أطباء الأسنان
- 1جمع المصادر المرجعية
بتوجيه من أطباء أسنان كبار، تُجمع المصادر من امتحانات الترخيص والتأهيل الرسمية والكتب المرجعية في طب الأسنان وتقارير الحالات المحكّمة المنشورة بين 2020 و2025، مع تحديد الدول والمناطق المصدر وفق معيار M49 للأمم المتحدة.
- 2توحيد صيغة الوثائق
يستخدم وكيل Reformat Agent أدوات مثل OCR (DeepSeek-OCR2) وBeautifulSoup وPandoc لتحويل ملفات PDF والصور ومستندات Office وXML وصفحات الويب إلى Markdown، مع إضافة بيانات وصفية كالعنوان والمصدر والمؤلفين.
- 3بناء الأسئلة حسب النوع
يقسّم وكيل Extract Agent النص ثم يستخرج: تُنظَّم أسئلة الاختيار من متعدد في متن وخيارات وإجابة، وتُستخرج أزواج الأسئلة والأجوبة القصيرة، ويُصاغ لكل حالة سريرية سؤال و5 نقاط أساسية للتقييم. ويمر كل سؤال بثلاث جولات تصحيح ذاتي على الأكثر، ويُستبعد إن ظل غير صالح.
- 4التوسيم الموحد والمراجعة النهائية
يحدد وكيل Tag Agent التخصص ومستوى الاستدلال لكل سؤال: إذا اتفقت جولتا التنبؤ اعتُمد التوسيم، وإلا حُسم بجولة ثالثة بالأغلبية. ولا يدخل السؤال المعيار إلا بعد التصحيح الذاتي ومراجعة أطباء أسنان كبار.
- 5التقييم حسب نوع السؤال
تُطابَق إجابات الاختيار من متعدد مباشرة، ويحكم نموذج مقيِّم على الإجابات القصيرة، وتُقيَّم الحالات السريرية على 5 نقاط أساسية (20 درجة لكل نقطة)، وتُصنَّف كل إجابة من حيث السلامة: S0 آمنة، وS1 قد تسبب ضررًا قابلًا للعلاج، وS2 قد تسبب ضررًا لا رجعة فيه.
- 6معايرة أطباء الأسنان طوال العملية
راجع ستة أطباء أسنان كبار مرخّصين (بمتوسط خبرة سريرية 6.8 سنوات) المصادر وحسّنوا سير العمل وعايروا التقييم بين 5 فبراير و25 مارس 2026، بإجمالي 297 ساعة عمل.

أبرز النتائج
كلما اقتربت الأسئلة من الحالات الحقيقية انخفضت الدرجات
متوسط درجات 12 نموذجًا: 81.34% في الاختيار من متعدد، و64.53% في الإجابات القصيرة، و22.34% فقط في الحالات السريرية.
الاستدلال الخاص بكل مريض نقطة ضعف مشتركة
ينخفض متوسط الدرجات من 74.01% في L1 إلى 55.64% في L2 ثم 35.71% في L3، وجميع النماذج دون 50% في L3.
الأغلى ليس بالضرورة الأفضل
حقق Gemini-3.1-Pro-Preview أعلى درجة إجمالية (63.27%)، وتصدّر GLM-5 النماذج مفتوحة المصدر (56.43%). والفوارق في تكلفة الاستدلال أكبر بكثير من فوارق الدرجات؛ فالتكلفة الأعلى لا تعني بالضرورة أداءً أفضل.
فروق واضحة بين التخصصات
سجّلت أمراض الغشاء المخاطي للفم أعلى متوسط (63.66%)، بينما جاءت تقويم الأسنان (50.59%) وطب أسنان الأطفال (51.08%) والتعويضات التقليدية (51.92%) في الأدنى، بفارق 13.07 نقطة بين الأعلى والأدنى.
نحو ثلث الإجابات تنطوي على مخاطر للسلامة
من بين 19,080 إجابة عن 1,590 حالة سريرية، اعتُبرت 31.01% غير آمنة، منها 4.51% قد تسبب ضررًا لا رجعة فيه؛ وسجّل تقويم الأسنان أعلى نسبة إجابات غير آمنة بلغت 44.30%.
المخاطر الجسيمة تتركز في التخصصات الحساسة
تتركز الإجابات التي قد تسبب ضررًا لا رجعة فيه أكثر ما تتركز في فئة «الصحة العامة وعلم الأدوية والسلامة» (14.15% في المتوسط عبر النماذج)، تليها التخدير والطوارئ الطبية (8.93%) وطب أسنان الأطفال (6.33%).
التقييم الآلي يتوافق إلى حد كبير مع حكم أطباء الأسنان
أيّد أطباء الأسنان 98.15% من نتائج النموذج المقيِّم Gemini-3-Flash-Preview (نسبة الاتفاق بين طبيبين: 96.67%). وراجع الخبراء جميع أسئلة الاختيار من متعدد والإجابات القصيرة بدقة 99.98%، وأظهرت عينة من 523 حالة سريرية دقة 96.78%.
الدرجة الإجمالية وتكلفة الاستدلال لنماذج تمثيلية (6 من 12 نموذجًا مُقيَّمًا)
| النموذج | النوع | الدرجة الإجمالية (المتوسط الكلي) | التكلفة لكل 1,000 استدعاء (دولار أمريكي) | ملاحظات |
|---|---|---|---|---|
| Gemini-3.1-Pro-Preview | مغلق المصدر | 63.27% | 18.45 | أعلى درجة إجمالية |
| Gemini-3-Flash-Preview | مغلق المصدر | 61.59% | 3.72 | أفضل قيمة مقابل التكلفة بين النماذج المغلقة؛ النموذج المقيِّم في هذه الدراسة |
| Claude-Sonnet-4.6 | مغلق المصدر | 59.71% | 19.59 | قريب من الصدارة بتكلفة أعلى |
| Grok-4 | مغلق المصدر | 57.77% | 38.14 | أعلى تكلفة استدلال |
| GLM-5 | مفتوح المصدر | 56.43% | 5.48 | أعلى درجة إجمالية بين النماذج المفتوحة |
| Kimi-K2.5 | مفتوح المصدر | 55.49% | 1.37 | قيمة ممتازة مقابل التكلفة بين النماذج المفتوحة |
المصدر: نص القسم 2.3 من البحث (الشكلان 2C و2E). لا يتضمن البحث جدول بيانات، وتظهر درجات النماذج الستة الأخرى في الرسوم فقط.



25 مؤلفًا
أطباء أسنان وباحثون في الطب والذكاء الاصطناعي من هونغ كونغ والبر الرئيسي الصيني والولايات المتحدة وألمانيا، ومن بينهم أعضاء في فريق FreedomAI.
جهات الانتماء
شبكة خبراء FreedomAI
بقيادة خبراء أسنان بارزين، يشارك أطباء متخصصون ومؤسسات من داخل الصين وخارجها في التوسيم التعاوني والتقييم المهني والتحقق السريري للذكاء الاصطناعي لطب الأسنان لدى FreedomAI. هذه شبكة شركاء الشركة وليست قائمة مؤلفي البحث؛ والأساتذة Lijian Jin وFalk Schwendicke وZuolin Jin من مؤلفي GlobalDentBench.

Lijian Jin
كلية طب الأسنان، جامعة هونغ كونغ مؤلف البحث
- عضو مجلس الاتحاد العالمي لطب الأسنان (FDI)
- عضو مجلس إدارة الرابطة الدولية لأبحاث طب الأسنان (IADR)
- رئيس منطقة آسيا والمحيط الهادئ في IADR
- رئيس جمعية آسيا والمحيط الهادئ لأمراض اللثة
- عضو فخري في مجلس الجمعية الصينية لطب الفم والأسنان
- نائب رئيس تحالف صحة الفم في منطقة الخليج الكبرى قوانغدونغ–هونغ كونغ–ماكاو

Falk Schwendicke
LMU University Hospital Munich مؤلف البحث
- مسؤول المجموعة المعنية بطب الأسنان في مبادرة منظمة الصحة العالمية للذكاء الاصطناعي في الصحة
- منسّق فريق العمل المعني بالذكاء الاصطناعي في طب الأسنان لدى المنظمة الدولية للتوحيد القياسي (ISO)
- حائز جائزة العالم المتميز من IADR

Zuolin Jin
Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University مؤلف البحث
- رئيس لجنة تقويم الأسنان في الجمعية الصينية لطب الفم والأسنان (COS)
- عضو مجلس الجمعية الصينية لطب الفم والأسنان
- عضو اللجنة التنفيذية لجمعية تقويم الأسنان لآسيا والمحيط الهادئ (APOS)
- نائب رئيس تحرير المجلة الصينية لتقويم الأسنان
- عضو الاتحاد العالمي لأخصائيي تقويم الأسنان

Ming Zhong
كلية طب الفم والأسنان، جامعة الصين الطبية
- كبير الخبراء في كلية طب الفم والأسنان بجامعة الصين الطبية
- حاصل على المخصصات الحكومية الخاصة من مجلس الدولة
- زميل الكلية الدولية لأطباء الأسنان
- رئيس لجنة علم أمراض الفم في الجمعية الصينية لطب الفم والأسنان
- رئيس تحرير الكتاب الوطني للتدريب التخصصي «علم أمراض الفم» (الطبعتان الأولى والثانية)
الأطباء المتخصصون الشركاء
Bing Liu
Daheng Li
Dongfei Wang
Fangjie Zhou
Fen Liu
Fujia Kang
Hao Chunxiu
Jiamin Zhao
Jiaming Zhang
Jinwen Liu
Jinyan Chen
Junting Wang
Kuan Yang
Lei Shi
Lin Zhao
MAO Yilin
Menghong Li
Mengmeng Song
Min Huang
Minghui Wei
Mingxin Zhang
Patricia Ho
Peijuan Wang
Peng Chen
Rui Lu
Shiduo Sun
Shirong He
Shixin Zhang
Shuwei Huang
Siqi Qiu
Tai Pak Chuen Patrick
Wu Songying
XU Leyao
Xiangjie Jin
Xue Qiao
Yang Jiang
Yaqiu Zhang
Yefeng Wu
Yidan Guo
Yifan Zheng
Ying Wang
Yujia Wu
Zhenlai Zhu
Zhiqiang Deng
Zhuoying Liالمؤسسات الشريكة
الجامعة الصينية في هونغ كونغ (شنتشن)الصين
كلية طب الأسنان، جامعة هونغ كونغهونغ كونغ (الصين)
Peking Universityالصين
National Biomedical Imaging Center, Peking Universityالصين
Peking-Tsinghua Center for Life Sciencesالصين
The Prince Philip Dental Hospitalهونغ كونغ (الصين)
Mayo Clinicالولايات المتحدة
LMU University Hospital Munichألمانيا
SEGi University & Collegesماليزيا
National Hospital Abujaنيجيريا
College of Medicine, University of Lagosنيجيريا
Bayero Universityنيجيريا
Usmanu Danfodiyo University, Sokotoنيجيريا
University of Maiduguriنيجيريا
Madda Walabu Universityإثيوبياالدول والمناطق الشريكة
الاستشهاد
@article{zhao2026globaldentbench,
title={GlobalDentBench: A Multinational Benchmark for Evaluating LLM Clinical Reasoning in Dentistry with Expert Calibration},
author={Junjie Zhao and Jingyi Liang and Zhenyang Cai and Jiaming Zhang and Zhenwei Wen and Shuzhi Deng and Wenjing Yi and Chunfeng Luo and Hexian Zhang and Junying Chen and Tianrui Liu and Zhuhui Bai and Zixu Zhang and Pradeep Singh and Xiang Liu and Jianquan Li and Nhan L Tran and Falk Schwendicke and Zuolin Jin and Lijian Jin and Liangyi Chen and Wei-fa Yang and Benyou Wang and Junwen Wang and Shan Jiang},
journal={npj Digital Medicine},
year={2026},
note={Accepted},
url={https://arxiv.org/abs/2605.24636}
}




