基于人工智能的多模态融合诊断 ——牙周炎精准诊断新进展.pdfVIP

基于人工智能的多模态融合诊断——牙周炎精准诊

断新进展

【摘要】牙周炎是一种全球流行的炎症性口腔疾病，影响全球约50%的人口，

对患者健康和生活质量造成显著负担。早期、准确诊断对预防牙周炎病情恶化至

关重要。然而，现有的传统诊断方法通常依赖医师的主观判断，仅能评估疾病的

累积状态，难以实现早期精准识别。近年来，人工智能（AI）在医疗诊断中的应

用快速发展，特别是通过多模态数据的整合实现了更全面的信息捕捉与分析。多

模态数据融合技术结合了来自图像、临床参数和生物标志物等多源信息，为AI

赋能的牙周炎诊断带来新的契机，有望突破传统方法的局限性，显著提高诊断的

精确度与预测能力。本文概述了牙周炎的主要诊断方法，详细讨论了AI在该领

域的最新应用进展，重点探讨了多模态数据在牙周炎精准诊断中的应用潜力，为

牙周炎的个性化治疗提供了新的见解和支持。

【关键词】人工智能；牙周炎；多模态数据；多模态诊断；精准诊断；

人工智能模型

牙周炎是世界上第六大最常见疾病，全球约有11.2%的人口患有严重的牙周

炎，牙周炎通过牙菌斑生物膜诱发一系列牙齿支持结构的破坏，表现为临床附着

丧失（clinicalattachmentloss，CAL）、牙周袋形成、牙龈出血和牙槽骨吸

收［1］，并与糖尿病、心血管疾病和阿尔茨海默病等慢性疾病有关［2-4］。

若未能及时发现并治疗，长期牙周炎症可导致牙齿松动甚至脱落，对咀嚼功能、

美学和生活质量产生负面影响，严重危害患者的身心健康［5-6］。

临床上常用的牙周炎诊断方法，如探诊出血、牙周探诊深度（probingdep

th，PD）、X线影像学检查等，虽方便有效，但在一定程度上依赖于临床医师的

主观评估，易受个体差异影响［7］，且只能评估牙周组织丧失的数据，不能预

测疾病早期及未来活动情况［8］。相比于唾液和血清，基于龈沟液（gingival

crevicularfluid，GCF）生物标志物的即时诊断可即时指示牙周特定病变位点

的疾病和易感性状态［9-10］，从而可以监测牙周健康状况。但GCF体积微小，

相关生物标志物及微生物学研究缺乏标准化方案及大规模队列研究支持［10］。

此外，牙周炎发病的复杂机制、反复性及个体差异性，使现有诊断手段难以全面

捕捉病变状态，因此诊断的主观性较强、诊断效率低且结果具有滞后性。

近年来，人工智能（artificialintelligence，AI）技术在口腔领域蓬勃

发展，可提供从诊断、决策到治疗计划和结果预测的一系列应用［11］。在牙周

病诊断方面，AI不仅可利用单模态图像信息实现媲美临床医师的诊断结果，更

可通过整合不同来源的牙周炎诊断数据，如图像信息（口内相机照片、放射学影

像甚至病理图像）及非图像信息（牙周临床参数、生物标志物信息、微生物信息、

多组学信息）等，有望实现跨模态信息的高效融合［12］，可提供更全面、准确

的诊断信息，特别是有望提供牙周炎进展信息，从而提高诊断准确性和效率，助

力牙周炎精准诊断。

本文回顾牙周炎临床诊断方法及传统多模态数据的融合方式及其局限性，重

点探讨AI赋能的个性化牙周炎诊断方式，详细阐述AI整合多模态数据在牙周炎

诊断中的应用现状、潜力、未来发展前景与存在的挑战。

一、牙周炎当前诊断方法

1.牙周炎当前诊断标准及技术：牙周治疗的关键在于精准诊断，传统检查方

式包括病史采集、临床评估（探诊出血、PD、CAL）及影像学检查（骨吸收情况）

［13］。PD加深、探诊出血及临床附着水平降低以及随后的骨吸收和牙齿松动

都是诊断牙周炎的特征［14］。2017年美国牙周病学会与欧洲牙周病学会联合

推出牙周炎新分类系统，强调分期与分级概念。分期关注疾病严重程度及管理复

杂性，分级评估进展速度和预后。相比以往标准，该体系提供了更为全面、个性

化的诊断评估［15-16］，提出基于唾液、GCF和血清的生物标志物可用于牙周

炎分级诊断，但相关标准尚未建立，仍需进一步研究。

众多研究表明，唾液及漱口液中活性基质金属蛋白酶-8（activematrix

metalloproteinase-8，aMMP-8）可作为牙周健康与疾病之间的区分因素，并

可作为监测牙周状况的有用生物标志物［17-18］，目前已开发aMMP-8的即时

检测试剂盒PerioMarker®、PerioSafe®等，前者阈值为25ng/ml，后者阈值为2

0ng/ml［19］，