AI助力上颌窦提升手术成功率
AI助力上颌窦提升手术成功率
重庆医科大学附属口腔医院开发了一套人工智能列线图系统(AMDRN),该系统首次成功将三维解剖结构自动分割、深度学习与影像组学特征及临床因素相结合,为上颌窦底提升术前的个体化风险分层提供了强有力的客观量化工具。辅助医师术前识别高风险病例,从而制定更具针对性的手术方案(如调整植入策略、加强骨移植、考虑分期植入等),实现真正的精准医疗。该研究2025年7月23日在线发表于《临床口腔种植研究》(Clin Oral Implants Res)杂志。

上颌窦底提升术是解决上颌后牙区骨量不足的核心骨增量技术,但其成功与否受到局部复杂解剖结构及患者个体因素的显著影响。为此,研究人员创新性地开发了一套基于解剖的多任务深度学习影像组学列线图系统(AMDRN)。该研究旨在实现上颌窦底提升术前对该区域关键解剖结构的自动化分割与种植体失败风险的精准预测的双重任务。研究纳入了255例患者的278颗种植体的相关临床资料与影像学检查数据用于模型训练与测试。AMDRN系统构建分为四个核心阶段:①自动化解剖结构分割;②三维深度学习特征提取;③影像组学特征挖掘;④多模态信息融合与模型构建。
结果显示,在独立测试集上,nnU-Net v2 模型对上颌窦、剩余牙槽骨及施耐德膜的分割结果平均Dice系数达94.54%,显示出极高的分割精度与鲁棒性。AMDRN 模型在独立测试集中展现出卓越的预测能力,准确率达90%,受试者工作特征曲线下面积(AUC)值高达0.93,其性能显著优于单一的临床模型(AUC 为0.68)、影像组学模型(AUC 为0.88)或3D深度学习模型(AUC 为0.85)。决策曲线分析表明,AM⁃ DRN 在广泛的阈值概率范围内均能提供显著的临床获益。通过Grad-CAM 热力图与SHAP 分析可视化的模型决策过程,证实其注意力区域与临床关注的解剖关键点高度吻合,有效增强了模型的可解释性与临床可信度。(米思颖编译)
原文标题:Anatomically based multitask deep learning radiomics nomogram predicts the implant failure risk in sinus floor elevatio


侃爷豪掷610万
许茹芸 牙齿整形
全民女神高圆圆做