编辑推荐：
研究人员开发 DL 模型测牙槽嵴高度（ACH），其准确性超牙科专业人员且接受度高，意义重大。
在口腔医学领域，准确测量牙槽骨流失对于牙周疾病的诊断和治疗至关重要。传统上，牙医主要通过肉眼观察口腔内 X 光片来测量牙槽骨流失情况，但这种方法就像用肉眼在错综复杂的地图里找一个小标记，极易出错。与此同时，人工智能（AI）技术在医学影像诊断方面取得了显著进展，不过在牙科领域，虽然已有一些商业 AI 程序用于龋齿和牙槽骨流失诊断，但很少有研究去调查牙科专业人员对这些应用的接受程度，以及如何将其融入日常诊疗。
为了解决这些问题，哥伦比亚大学的研究人员开展了一项重要研究。他们开发并实施了一种深度学习（DL）模型，旨在精确测量牙槽嵴高度（ACH），以此评估牙周疾病相关的骨流失情况。该研究成果发表在《BMC Oral Health》杂志上，为牙科领域带来了新的曙光。
在研究过程中，研究人员运用了多个关键技术方法。首先，他们构建了一个由五个深度神经网络组成的模型，包括两个对象检测网络用于定位牙槽骨嵴水平（ABCL）和牙骨质 - 釉质交界（CEJ）的坐标，三个语义分割神经网络用于确定 ABCL 和牙齿的像素位置 。模型训练和验证使用了 550 张咬翼片 X 光片数据集，这些数据均由一位经验丰富的口腔放射科医生精心整理标注。此外，研究人员还设计了一份包含 20 个问题的调查问卷，以对比人工读片和 AI 应用的准确性、效率，并评估 AI 应用的可接受性和可用性。
下面来看具体的研究结果：
- AI 应用与牙科专业人员测量准确性对比：研究人员让 56 位不同的牙科专业人员对三张咬翼片上所有可见牙齿的 ACH 进行测量，并与 AI 应用的测量结果进行对比。评估重点在于判断牙周骨流失为严重（ACH>5mm）或非严重（ACH≤5mm）的能力。结果显示，AI 应用在分类中的准确率达到 94%，而牙科专业人员的准确率仅为 68%。在不同的咬翼片中，AI 应用的表现也十分出色，例如在第一张咬翼片上，牙科专业人员对严重牙周疾病牙齿的正确分类率为 87%，AI 应用则达到了 100% 的完美准确率。
- AI 软件的可接受性：共有 64 位参与者完成了牙科调查，其中 56 位完成了 ACH 测量。参与者涵盖正畸医生、普通牙医、牙科学生等多个牙科专业领域。调查结果显示，超过一半（52%）的参与者来自学术机构，仅有 21% 的参与者表示在实践中已使用自动化或基于 AI 的软件辅助读取咬翼片 X 光片。令人惊讶的是，大多数（57%）参与者表示在测量骨水平时只是进行大致估算。不过，84% 的参与者认可 AI 应用对 ACH 的测量结果，56% 的参与者认为 AI 在专业工作中会有所帮助。
研究结论表明，DL 模型在评估严重与非严重 ACH 方面，比牙科专业人员具有更高的准确性，在临床实践和研究中都展现出巨大的潜力。而且，该 AI 应用在牙科专业人员中具有较高的接受度。这一研究成果意义重大，它为牙周疾病的诊断提供了更客观、可靠的方法，有助于提高诊断的准确性和效率。不过，研究也存在一些局限性，比如模型仅在单一机构、单一品牌牙科 X 光机拍摄的咬翼片上进行训练和验证，调查的回复率较低，牙科专业领域的代表性也不均衡。未来还需要更大型、更全面的研究来进一步完善和推广 AI 在牙科领域的应用。
