圖源：A novel Al-powered radiographic analysis surpasses specialists in stage ll-lV periodontitis detection: a multicenter diagnostic study

好的牙·訊 | 近日，上海交通大學醫(yī)學院附屬第九人民醫(yī)院口腔顱面及感官綜合健康研究院托內(nèi)特（Maurizio S. Tonetti）教授團隊，在《自然》合作期刊《數(shù)字醫(yī)學》發(fā)表研究論文，推出基于口腔全景片的深度學習模型HC-Net+，在多中心臨床驗證中實現(xiàn)94.2%的診斷準確率，優(yōu)于牙周專科醫(yī)生的85.6%。

據(jù)悉，這是首個以臨床牙周探診結(jié)果（而非影像學測量）作為訓練標準的AI診斷模型。HC-Net+通過10400例未標注全景片數(shù)據(jù)預訓練，融合局部病灶識別與整體圖像理解，模擬臨床診斷路徑，可檢測II-IV期牙周炎。在涉及中國香港大學、上海九院、意大利羅馬大學等四個國際中心的760例影像驗證中，模型靈敏度達95.6%，特異度為82.6%，單張影像評估耗時僅0.02秒。

該系統(tǒng)的核心突破在于改變了傳統(tǒng)AI依賴影像學標注（如骨吸收距離測量）的訓練方式，轉(zhuǎn)而直接學習臨床探診結(jié)果與影像特征的關(guān)聯(lián)。傳統(tǒng)全景片肉眼識別早期骨吸收準確性有限，不同設(shè)備間影像差異也影響診斷一致性。HC-Net+通過多中心數(shù)據(jù)訓練，泛化能力顯著提升，在不同質(zhì)量影像中均保持穩(wěn)定表現(xiàn)。

更具臨床價值的是，研究顯示AI輔助可提升各級別牙醫(yī)的診斷水平。在對比實驗中，牙周?？漆t(yī)生借助HC-Net+后準確率從85.1%提升至90.8%，普通牙醫(yī)從80.9%提升至87.2%，牙科醫(yī)學生從80.4%提升至85.7%。

WHO數(shù)據(jù)顯示，全球約有超過 10 億成年人罹患嚴重牙周炎，是最常見的口腔疾病之一。而現(xiàn)有的牙周探診檢查需要逐牙、多點測量，具有一定侵入性、操作耗時且高度依賴醫(yī)生經(jīng)驗，難以支撐大規(guī)模人群篩查。

研究團隊認為，該系統(tǒng)在多中心臨床驗證中顯示出較高診斷準確性，有望作為社區(qū)中心及偏遠地區(qū)牙周炎早篩的技術(shù)路徑，緩解優(yōu)質(zhì)口腔醫(yī)療資源分布不均的問題。

但研究團隊也指出，HC-Net+對早期局部性II期牙周炎的識別準確性仍有提升空間，未來將整合口內(nèi)照片、CBCT等多模態(tài)影像數(shù)據(jù)，進一步優(yōu)化早期病變檢測能力。