利用人工智能辅助放射影像分析以检测牙槽骨丧失的严重程度与模式

这对你下一次看牙有什么意义

牙龈疾病不仅会导致牙龈出血——它也会在不知不觉中侵蚀固定牙齿的骨质。牙医试图在牙科X光片上识别这些损伤，但阅读这些影像既困难又耗时，细微变化容易被漏掉。这项研究展示了人工智能（AI）如何帮助牙医更快且更一致地测量每颗牙周围的骨丧失，从而为更早的治疗和保牙机会打开大门。

固定牙齿的隐形骨骼

每颗牙齿由牙龈组织、微小韧带和颌骨组成的支撑系统固定。当长期的牙龈感染未被治疗时，这一支撑会逐步瓦解，导致“牙槽骨丧失”——包围牙根的骨骼萎缩。全球范围内，严重形式的这种损伤影响大约五分之一的15岁以上人群，并且是牙齿脱落的主要原因之一。在X光片上，牙医通过测量牙齿表面一个自然标志与周围骨顶边缘之间的距离来评估这种丧失的严重程度，同时也观察骨顶边缘的形态——它是均匀下沉（水平丧失）还是呈陡峭的楔形（角度丧失）。骨丧失的数量和形态都会影响治疗选择，包括骨再生手术是否可能成功。

仅凭肉眼看X光片不够

尽管很重要，但在X光片上评估骨丧失仍主要依赖人工，且在很大程度上受牙医经验和疲劳程度的影响。两位临床医生对同一影像可能会给出不同的判读，繁忙的诊所也可能难以详查每个牙面。此前在这一领域尝试使用AI时，常常只是判断是否存在骨丧失，或大致估计其严重性，但很少能给出逐牙精确测量，并且通常无法同时捕捉丧失的严重程度与形态。本文作者旨在构建一个单一的自动化系统，能够完成两项任务——测量缺失骨量并判定是水平还是角度丧失——使用的正是牙医日常拍摄的那类近距离X光片。

AI如何解读牙科X光片

研究团队使用了一个包含1000张经过仔细标注的口内根尖X光片的公开数据集，每张影像都显示了若干颗牙齿的细节。首先，训练了一个AI模型在图像中定位并画出每颗牙齿的矩形框。在每颗牙齿内部，第二类模型准确定位三个关键点：靠近牙龈的釉骨结合部、牙根尖端以及可见骨顶与牙面相交的点。通过将这些点投影到一条直线上并比较它们之间的距离，系统将像素间距转换为每颗牙齿的骨丧失百分比。另一个独立模型描绘了牙齿和骨顶的轮廓，然后将这些形状转为细线。在检测到骨丧失的每个位置，软件比较牙面线与骨线的倾角；较浅的角度表明角度性缺损，而更陡且更平行的线则指示水平丧失。这一系列步骤使AI能够从原始X光片自动生成详细的测量和形态标签。

系统的表现如何

为检验AI测量的可信度，研究者将其与专家标注以及另一组X光片上牙医的人工读片进行了比较。对于骨丧失严重程度，系统与人类专家之间的达成一致度按标准可靠性统计被评为“良好”，并且与有经验临床医生估计的相关性很强。对于骨丧失的形态，AI在大约九成的病例中正确区分了水平与角度损伤，并且与专家判定显示出中等一致性。该软件也比人工读取更快：分析一张完整X光片大约需要25秒，而专科医生通常需要1到4分钟，同时软件对每个牙面都以统一方式进行检查。

这对患者和牙医意味着什么

研究表明，AI可以成为牙科诊所中的有益“第二双眼”，提供客观且可重复的骨丧失量测和损伤形态判定。牙医仍将做最终决定，但他们可以更早发现细微变化，更有把握地制定治疗计划，并跟踪治疗是否在减缓或阻止骨丧失。尽管该系统仍需在日常诊所中进行真实世界的测试，但它指向了一个未来：常规牙科X光片同时也能作为精确的计算机辅助工具，用于保护支撑我们牙齿的骨骼。

引用: Wimalasiri, C., Rathnayake, P., Wijerathne, S. et al. AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns. Sci Rep 16, 7974 (2026). https://doi.org/10.1038/s41598-026-38061-1

关键词: 牙周炎, 牙科放射片, 人工智能, 骨丧失, 深度学习