Realizamos un estudio para generar automáticamente hallazgos de quistes mandibulares a partir de radiografías panorámicas dentales, aprovechando las capacidades multimodales de OpenAI GPT-4o. Para mejorar la precisión, desarrollamos y validamos el marco de trabajo Self-Correction Loop with Structured Output (SLSO). El marco SLSO, un proceso de 10 pasos que abarca la entrada y el análisis de imágenes, la generación de datos estructurados, la extracción del número de dientes y la comprobación de la consistencia, la regeneración iterativa en caso de discrepancias, la generación de hallazgos y la posterior estructuración y verificación de la consistencia, se aplicó a 22 casos de quistes mandibulares. Comparamos los resultados con el método existente Chain-of-Thought (CoT) en siete criterios de evaluación: transparencia, estructura interna, límites, reabsorción radicular, movimiento dental, relaciones con otras estructuras y número de dientes. El marco SLSO mejoró la precisión de la salida en múltiples criterios, particularmente en el número de dientes (66,9%), el movimiento dental (33,3%) y la reabsorción radicular (28,6%). En los casos exitosos, se logró una salida estructurada consistente después de hasta cinco regeneraciones.
