虚拟人工智能在牙周病风险评估和诊断中应用的研究进展.pdfVIP

虚拟人工智能在牙周病风险评估和诊断中应用的研究进展

【摘要】牙周病是我国的常见病、多发病，牙周病的早发现、早诊断、早治疗

对实现全民口腔健康乃至全身健康意义重大。人工智能赋予机器模仿人类智能行

为的能力，在医疗领域通常使用物理和虚拟两种类型的人工智能。虚拟人工智能

将人工智能赋能传统经验应用于牙周病风险评估和诊断中，有潜力开发多种口腔

健康状况筛查工具、为牙周病预后判断提供新证据、提高诊断的准确性和效率，

降低技术敏感性，进而推动牙周医疗由“治疗为主”向“预防为主”转变。本文

对近期虚拟人工智能在牙周病风险评估和诊断方面的应用现状和进展进行综述，

并探讨其局限性，为未来虚拟人工智能在该领域应用的研究提供思路。

【关键词】人工智能；虚拟人工智能；机器学习；牙周病；风险评估；

辅助诊断

牙周病是指发生在牙周支持组织的各种疾病，其中最常见的是慢性龈炎和牙

周炎。若牙龈炎未得到及时、有效的控制，可引起牙周支持组织进一步破坏，发

展为牙周炎。第四次全国口腔流行病学调查显示，12~74岁各年龄段人群牙周健

康率均低于42%；35~44岁年龄组的牙周健康率仅为9.1%［1］。牙周病作为我

国的多发病和常见病，严重威胁着民众的口腔健康乃至全身健康，同时也增加了

社会的医疗负担。大量研究和临床资料表明，通过良好的菌斑控制可以预防牙周

病，在疾病早期进行干预也能取得较好的疗效［2］。牙周病的早发现、早诊断

对实现全民健康具有重要意义。牙周风险评估系统是一类结合多因素进行牙周风

险综合评定的工具，能有效筛选疾病高危人群，推动牙周医疗模式由“治疗为主”

向“预防为主”转变。因此，牙周风险评估被认为是牙周疾病预防、判断预后、

制订诊疗计划的重要组成部分［3］。人工智能（artificialintelligence，A

I）是应用计算机科学的一个新分支，它赋予机器模仿人类智能行为的能力。AI

的强大数据分析能力有望辅助分析和可视化检查结果、模拟和评估治疗结果，提

高口腔疾病诊断的准确性和有效性，预测口腔疾病的发生和预后。近年AI在牙

周病风险评估和诊断中展现出巨大的应用潜能，已有众多研究展示了AI在生物

标志物筛选、多模态数据分析和医学图像识别与辅助诊断等方面令人满意的性能

［4-7］，本文对虚拟AI在牙周病风险评估和辅助诊断方面的进展和潜在应用

进行综述，并讨论其局限性和可能的应用前景，为未来虚拟AI在该领域的应用

研究提供思路。

一、虚拟AI

在医疗领域，物理AI的应用以自动化机械臂或机器人为代表，虚拟AI是支

持临床决策的软件类型算法［8］。在牙周病诊疗领域，AI的应用大多是虚拟的。

虚拟AI又分为基于知识的AI和数据驱动的AI。基于知识的AI试图对人类知识

进行建模，并以自上而下的方式从人类用于解决问题的自我报告概念和知识边缘

构建而成；数据驱动的AI，通常被称为机器学习，以自下而上的方式通过训练

相关算法学习给定数据集的行为规律，帮助计算机理解数据样本具有的深层逻辑，

进一步对新样本进行预测并提供解决问题的方案。常见的机器学习算法有支持向

量机（supportvectormachine，SVM）、决策树（decisiontree）、随机森林

（randomforest，RF）和人工神经网络（artificialneuralnetwork，ANN）

等［9］。在口腔医学领域，机器学习算法已被用于识别口腔良性肿瘤、口腔癌

和淋巴结转移的能力等方面［10-11］。

深度学习是机器学习中一种模拟人脑对数据进行表征学习的方法，是使用更

为复杂、层数更深的算法架构。常见的深度学习方法主要有卷积神经网络（con

volutionalneuralnetwork，CNN）、生成对抗网络（generativeadversaria

lnetwork，GAN）和转换器模型（Transformer）等［12］。CNN是目前口腔领

域主要的深度学习架构，被尝试用于龋齿、牙周病和颌骨病变的诊断［13］。

虚拟AI使计算机学习一系列规则或特征，在基于知识的AI中需要为此编译

大量人类知识；在传统机器学习中需要“特征工程”，即以人类的经验转化原始

数据，提取明显特征；在深度学习中则由计算机自动学习这些特征，解决了图像

等复杂数据难以人工提取特征的缺陷。算法的发展为大型医学图像分析提供了更

多选择，例如Transformer架构可更有效地理解长距离依赖关系和复杂的结构，

解决了CNN有限的接受野对分割性能的阻碍［14］。

二、虚拟AI在牙周