一项发表在《牙科学杂志》上的研究显示，新的人工智能模型可能从牙科全景 X 光片中准确诊断牙周骨丧失和牙周炎。
人工智能由于其准确性和效率，可用作牙科疾病的自动诊断方法。这项研究提出了一种基于新型卷积神经网络（CNN）的深度学习（DL）集成模型，用于利用牙科全景 X 光片进行牙齿位置检测、牙齿轮廓分割、牙齿组织分割、牙周骨丧失和牙周炎阶段预测。
我们的数据集收集了 2020 年 1 月至 2023 年 12 月期间 320 名患者的牙科全景 X 光片。所有图像都经过了去识别处理，不含私人信息。总共包括 8462 颗牙齿。DL 集成模型采用的算法包括 YOLOv8、Mask R-CNN 和 TransUNet。DL 方法的预测结果与牙周病医生的诊断进行了比较。
结果：DL 方法与三位牙周病医生绘制的真实情况之间的牙周骨丧失程度偏差为 5.28％。DL 方法与牙周病医生诊断的总体 PCC 值为 0.832（P < 0.001）。ICC 值为 0.806（P < 0.001）。DL 方法的总诊断准确率为 89.45％。本研究中提出的 DL 集成模型在 X 光片检测中显示出高精度和高效率，是牙周诊断的有价值的辅助手段。该方法具有增强临床专业表现和建立更高效牙科健康服务的强大潜力。
DL 方法不仅可以帮助牙医进行快速准确的辅助诊断，防止医疗疏忽，还可以作为经验不足的牙医和牙科学生的有用学习资源。
参考：
Xue T, Chen L, Sun Q. Deep learning method to automatically diagnose periodontal bone loss and periodontitis stage in dental panoramic radiograph. J Dent. 2024 Sep 26;150:105373. doi: 10.1016/j.jdent.2024.105373. Epub ahead of print. PMID: 39332519.
