口腔医学领域多研究成果聚焦诊疗关键问题

为解决口腔医学诊疗难题，研究人员开展 TMD 管理、性别歧视、镇静监测及 AI 应用研究，成果意义重大。

　　在口腔医学的广阔领域中，诸多关键问题正不断被深入探索与研究。近年来，随着人们对口腔健康重视程度的提升，口腔医学的发展备受瞩目，但仍面临着一系列挑战。例如，在颞下颌关节紊乱病（Temporomandibular Disorders，TMD）的管理方面，一直缺乏统一、明确的临床实践标准；医疗环境中的性别歧视现象时有发生，严重影响医护人员的工作体验和医疗服务质量；在口腔治疗的清醒镇静（Conscious sedation）环节，如何保障患者安全成为关键问题；而新兴的人工智能（Artificial Intelligence，AI）技术在口腔医学教育和诊疗中的应用，也亟待进一步挖掘与规范。

为应对这些挑战，来自多个国家的研究人员积极开展相关研究。其中，国际口腔颌面疼痛及相关疾病方法学网络（INfORM）的成员在新奥尔良举行的国际牙科研究协会（IADR）大会上，针对 TMD 管理展开讨论并取得重要成果。另有研究人员关注到医疗领域的性别歧视问题，对相关现象进行深入剖析。还有针对清醒镇静监测手段的研究，以及探索 AI 在口腔医学教育中应用的研究等。这些研究成果发表在《British Dental Journal》上，为口腔医学的发展提供了重要的理论支持和实践指导。

在研究方法上，TMD 管理标准的确定主要通过专家讨论和总结已有临床经验；性别歧视研究通过收集实际案例和相关调查数据进行分析；关于清醒镇静中二氧化碳监测（capnography）的研究，综合了不同研究机构的临床观察和数据统计；AI 在口腔医学教育应用的研究则结合了理论探讨与技术可行性分析。

TMD 管理标准更新

TMD 是一种起源于肌肉骨骼系统的疾病，其发病受生物 - 心理 - 社会多因素影响。此前，TMD 的管理缺乏统一、明确的标准，导致临床实践中存在诸多差异。此次，INfORM 网络成员在 IADR 大会上达成共识，确定了 TMD 管理的十大关键要点。在诊断方面，TMD 的诊断需基于详细规范的口腔病史采集和临床评估。当影像学检查（如软组织的磁共振成像 MRI、骨组织的锥形束 CT 即 CBCT）有助于影响治疗方案和结果时，应考虑进行该项检查，但目前电子设备在 TMD 诊断中的应用尚未得到支持。治疗方面，治疗效果主要从疼痛缓解、功能改善、复发减少以及心理社会影响降低等方面进行评估。治疗首选保守方法，如咨询、认知行为疗法、临时使用口腔矫治器以及药物控制疼痛等。仅少数病例需要手术治疗，而纠正咬合和下颌位置的牙科或手术技术目前不被推荐。此外，对于疼痛慢性化或同时存在多种疼痛症状的病例，需由专业医生进行管理或转诊至相关专科。

医疗中的性别歧视现象

在医疗领域，性别歧视问题不容忽视。以牙科为例，一位男性患者在接受治疗时，因治疗团队均为女性而拒绝治疗，要求 “真正的医生”，直到男性会诊医生到场才同意接受治疗。一项由英国医学协会（BMA）支持的项目研究发现，73.5% 的女医生曾被患者认为在工作中担任更初级的角色，而男医生中这一比例仅为 1.5%。并且，性别歧视在外科领域同样普遍，且从明显的歧视态度转变为更为隐蔽的形式。随着英国女性牙医比例达到 52%，女性口腔外科专家占比 35%，且女性牙科学生数量不断增加，性别歧视问题亟待解决，以保障女性在医疗行业的平等权益，营造公平的工作环境。

清醒镇静中 capnography 的应用探讨

清醒镇静是一种使患者中枢神经系统受到抑制，从而便于进行牙科治疗的技术，在此过程中患者仍能保持沟通和喉反射。目前，清醒镇静过程中的标准监测方法是临床观察，包括血压和脉搏血氧饱和度监测。脉搏血氧饱和度监测虽能确保治疗过程中患者的氧合情况，但无法测量通气情况。capnography 能够更准确地测量通气，可检测到低通气和呼吸暂停，从而及时触发临床干预，预防不良呼吸事件的发生。尽管 capnography 在手术室已应用多年，且在牙科清醒镇静中的应用具有一定优势，但其在牙科领域的使用缺乏科学依据，这使得将其列为强制使用的监测手段存在争议。在使用补充氧气的特定临床情况下，脉搏血氧饱和度监测的价值会降低，而 capnography 可提供额外的安全保障，因此其在牙科清醒镇静中的应用值得进一步研究和探讨。

AI 在牙科教育中的应用展望

AI 技术在牙科教育领域展现出巨大的潜力。研究人员提出将 AI 技术融入牙科教育评估框架，如在多重观察标准化长病例考试记录（MOSLER）中应用 AI 技术。AI 驱动的自然语言处理（NLP）工具可客观分析考生与患者之间的互动，量化沟通技巧、同理心和表达清晰度等方面的能力，这是传统评估方式难以实现的。机器学习模型能够通过将考生的回答与既定诊断路径进行匹配，辅助诊断推理评估，减少主观性，并为反思性学习提供详细反馈。此外，AI 还可通过电子档案中的预测分析实现对学生的纵向监测，识别需要额外支持的学生，为个性化教育提供支持。同时，AI 驱动的模拟可利用先进的虚拟患者，提供多样化的临床场景，增强评估的真实性。不过，在将 AI 技术融入牙科教育时，需充分考虑伦理问题、透明度和公平性，确保其合理应用，辅助而非取代人类判断。

综上所述，这些研究成果在各自领域都具有重要意义。TMD 管理标准的更新为临床医生提供了明确的指导，有助于规范 TMD 的诊疗流程，提高治疗效果；对医疗性别歧视现象的揭示，促使人们关注并努力消除这一不良现象，推动医疗行业的公平发展；对 capnography 在牙科清醒镇静中应用的探讨，为保障患者安全提供了新的思考方向；AI 在牙科教育中的应用研究则为牙科教育的创新发展开辟了新途径。未来，随着研究的不断深入，这些成果有望在口腔医学临床实践和教育中得到更广泛的应用，进一步推动口腔医学领域的发展，为人们的口腔健康带来更多福祉。