使用全景牙科X光片牙齿特征的成人年龄估计的机器学习方法

为什么你的牙齿能提示年龄

随着我们在人生中前行，牙齿静静记录着我们的饮食、意外和牙科就诊史。本研究探讨了这些记录在多大程度上能揭示成人的年龄，并使用现代计算技术从常规牙科X光影像中读取微妙模式。

牙齿，终生的记录者

在儿童和青少年中，通过观察牙齿的生长与形成可以相对准确地估计年龄。然而对成人而言，生长已完成，专家必须转向随时间累积的变化，例如磨耗面、补牙、牙冠、种植体和缺失牙齿等。这些线索在法医学（调查者需要缩小可能身份范围）和人类学（研究过去人群）等领域很有用。传统方法通常将某些牙科处理或状况的总数相加并代入简单公式，但这样会丢失许多关于究竟哪些牙位受到影响以及如何受影响的细节。

将一口复杂信息转为可用数据

研究人员使用了2415张年龄在20至89岁的成人全景牙科影像。在每张图像上，受过训练的观察者将每颗牙标注为九类易辨认的类别之一，例如健康、缺失、补过、装冠或种植。如果一颗牙同时出现两种不同特征（如根管治疗下有牙冠），则两者一并记录。研究组没有把这些信息压缩成少量汇总值，而是为每口牙创建了一个结构化的数字地图，记录下下颌各个位置发生的情况。该地图既作为传统统计公式的输入，也作为一系列机器学习模型的输入。

教计算机读取牙齿模式

为了评估不同方法估计年龄的效果，团队将标准线性回归与六种机器学习方法进行比较，包括随机森林和梯度提升。他们采用了严格的测试策略，将模型反复在不同的数据子集上训练和测试，以确保每次预测都基于模型未见过的影像。在全体男女样本中，最好的传统公式平均误差约为12年，而表现最佳的机器学习模型将该误差降至约11年，并解释了更多的年龄变异。

模型从牙齿中学到了什么

研究者还打开了他们最佳模型的“黑箱”，以观察哪些牙科特征最重要。他们发现，保持大量健康、未受干扰的牙齿倾向于将预测年龄往下推，而更多的缺失牙和牙冠则会使估计值上升。后牙通常携带比前牙更多的年龄信息，可能因为后牙在咀嚼中使用更频繁、也更常被修复或拔除。即便如此，模型往往高估年轻成年人的年龄并低估年长成年人的年龄，这表明牙科病史与年龄之间的关系仍不完美。

这项技术在现实中的应用

目前，这些基于计算机的年龄估计尚不足以单独使用，特别是在需要确定个人确切年龄时。它们更适合被视为可以支持其他方法（例如骨骼检查或额外牙科测量）的证据之一。该研究表明，保留逐齿的详细信息能提升从简单X光中可获得的信息量，且机器学习相比旧有公式能带来适度改进。随着更大、更多样化的数据集的出现，并将影像特征与临床记录相结合，未来该方法的版本可能变得更可靠，成为法医与临床决策中的有用辅助工具。

引用: Lee, D., Oh, S., Hwang, S. et al. Machine learning approach for adult age estimation using dental characteristics on panoramic radiographs. Sci Rep 16, 14401 (2026). https://doi.org/10.1038/s41598-026-45271-0

关键词: 牙齿年龄估计, 全景片, 机器学习, 法医牙科学, 恒牙