新研究：AI识别牙齿与龋齿，数牙准确率99.8%，查龋精度超九成

图源：AI-powered precision in dental radiographic analysis using tailored CNNs for tooth numbering and cavity detection

好的牙·讯｜近日，发表于《PLOS Digital Health》的一项基于卷积神经网络（CNN）的研究（n=935）显示，由巴西圣保罗大学里贝朗普雷图分校（USP Ribeirão Preto）跨学科团队研发的AI系统，在牙科全景X光片的牙齿计数与龋齿检测中展现出高度精确性。该系统旨在通过自动化影像分析减轻牙科医生的工作负担，并降低因疲劳或经验不足导致的误诊风险。

研究团队由圣保罗大学哲学、科学与语言学院（FFCLRP）的计算机科学专家与里贝朗普雷图牙科学院（FORP）的口腔医学专家共同组成。团队通过对935张常规临床全景X光片（PANs）进行专家级标注，构建了“真值”数据集，并对比了Inception-v3和InceptionResNet-v2两种CNN架构的性能。

在实际测试中，该系统对牙齿计数（遵循FDI世界牙科联盟标注法）的精确度达到了0.98，准确率达0.998。在识别龋齿方面，系统精确度为0.96，召回率为0.91，F1分数达到0.94。研究人员指出，CNN擅长从原始像素中提取层次化特征，能够感知人眼难以辨察的细微灰度变化，从而在处理纹理复杂的牙科影像时表现出色。

根据好的牙此前报道，人工智能在医学影像中的应用也伴随着安全挑战，此前西奈山伊坎医学院的研究曾警示，AI生成的“深度伪造”X光片可能欺骗放射科医生，识别准确率低至41%。而USP团队的此项研究更侧重于临床辅助诊断，该系统还可辅助行政事务、预约管理和治疗计划的制定，为牙医提供“第二意见”。

图源：AI-powered precision in dental radiographic analysis using tailored CNNs for tooth numbering and cavity detection

尽管表现优异，研究团队强调，目前的人工智能模型仍具有“黑箱”属性，其内部决策路径难以完全解释。由于AI系统存在误判风险，最终的诊断责任仍归属于专业牙科医生。Camila Tirapelli教授表示，AI的学习质量直接取决于训练数据的质量，医疗与计算专业的紧密协作是开发精准模型的关键。

目前，该技术已获得圣保罗研究基金会（Fapesp）的资助，并在USP完成代码版权登记。研究团队认为，该工具将加速大规模口腔流行病学研究，并有助于在临床实践中推广应用。

该研究存在一定局限性：目前模型仍处于实验阶段，相关结论有待进一步大规模多中心验证；虽然准确率较高，但模型在不同放射设备间的普适性仍需持续观察。目前研究处于实验阶段，尚未开展人类临床验证。