深度学习模型可用于诊断牙周炎

深度学习模型可用于诊断牙周炎

上海交通大学医学院附属第九人民医院的一项研究显示，口腔图像经深度学习处理具有牙周健康筛查潜力，人工智能不仅能聚焦重要图像区域，更能捕捉临床医师难以察觉的特征。该技术需进一步开发和验证以成为适用于全球多人群的筛查工具。该研究2025年7月12日在线发表于《牙科学研究杂志》（J Dent Res）。



牙周炎诊断依赖于包含牙周探诊深度、临床附着丧失和骨吸收影像学评估的临床检查，近年来，深度学习和计算机视觉算法在医学图像分析中展现出显著潜力，其自动化、可扩展的图像解读能力为开发创新诊断工具以加强自我监测和临床决策提供了可能。在牙周病学领域，计算机视觉和深度学习模型已应用于牙菌斑和牙龈炎的检测，但尚未见牙周炎识别能力的报道。该研究纳入了上海交通大学医学院附属第九人民医院就诊患者及其口腔数字孪生体数据，多实例深度学习模型作为指标测试，在两个独立样本中开发并测试了Ⅱ~Ⅳ期牙周炎识别能力。模型参照牙周临床检查结果进行病例标记。外部测试数据集包含基于口腔曲面体层片诊断的患者口腔图像，通过受试者工作特征曲线下面积（AUC）、敏感度和特异度评估性能。

结果显示，研究共纳入387例受试者（外部测试集183例），深度学习模型处理单张正面口腔图像时，在内部（AUC＝0.93，95%可信区间为0.85~0.98）和外部数据集（AUC＝0.93，95%可信区间为0.88~0.96）中均能准确识别Ⅱ~Ⅳ期牙周炎。类别激活热图显示的重点区域与牙周专家判断高度一致（内部测试99.66%，外部测试99.45%）。（米思颖编译）

原文：Deep Learning Photo Processing for Periodontitis Screening