人工智能赋能牙科诊疗：面向数字化口腔医疗的应用综述

导读

人工智能正在进入口腔疾病诊断、正畸规划、牙齿修复和患者管理等环节。本文系统梳理了2000年至2025年的相关研究，分析其主要应用、临床局限与发展方向。研究指出，现有成果仍以单项任务为主，距离覆盖诊疗全流程的可靠应用尚有差距。相关成果以“Contemporary Applications of Artificial Intelligence in Dentistry: A Review”为题发表于《Machine Intelligence Research》，全文见：https://doi.org/10.1007/s11633-025-1570-4。

图1 图文摘要

人工智能牙科：发展背景与现实问题

牙科诊疗高度依赖影像、医生经验和精细操作。X射线、口腔扫描、锥形束计算机断层扫描（CBCT）等数据为牙齿及颌面结构评估提供了重要依据，但传统分析通常需要医生逐项观察、标注和测量，不仅耗时，也可能受到经验差异和主观判断的影响。随着数字成像、计算能力和机器学习技术的发展，牙科研究逐渐由数据数字化和计算机辅助分析，转向基于人工智能的自动识别、预测与决策支持。

本文采用PRISMA流程对相关文献进行筛选，最终纳入188项研究，覆盖牙周病学、正畸学、牙体修复与修复学、口腔医学与病理学、颌面外科、牙髓病学以及口腔颌面影像等方向。研究数量近年来明显增长，说明人工智能已成为数字牙科的重要研究热点。不过，现有工作大多围绕某一类影像或单一临床任务展开，例如龋齿识别、牙齿分割、拔牙决策或种植位置分析，真正贯通检查、规划、治疗和术后评估的系统仍然较少。

图2 2008年至2025年人工智能牙科研究分布

多场景应用：人工智能如何进入牙科诊疗

研究表明，人工神经网络、卷积神经网络、支持向量机、生成对抗网络等方法已被用于牙科诊疗的多个环节。在牙周病学中，算法可通过口内照片或影像识别牙龈炎症、牙周骨丧失及相关病变；在牙髓病学中，可辅助定位根尖病变、分析根管形态，并为治疗规划提供参考；在正畸学中，人工智能可完成牙齿分割、头影测量、错颌类型识别、拔牙决策以及牙齿目标位置预测。

在牙体修复与口腔种植领域，人工智能可辅助设计牙冠、桥体和其他修复体，分析牙槽骨条件、种植体位置及牙根倾斜角度。面向口腔医学、病理学和颌面外科，相关模型还被用于口腔癌风险评估、颞下颌关节疾病识别以及术后预后预测。此外，虚拟牙科助手和生成式人工智能正在拓展预约管理、病历整理、术后咨询和牙科教育等应用。

这些研究显示，人工智能的角色正由单纯的影像识别工具，逐步扩展为覆盖诊断、治疗规划、操作辅助和患者管理的综合技术平台。

图3 牙科各专业方向中的代表性人工智能算法及应用

从算法验证到临床应用

尽管部分研究报告了较高的准确率、灵敏度或预测性能，但算法在实验数据集上的良好表现，并不等同于能够直接应用于真实临床。不同医院在成像设备、扫描参数、患者人群和标注标准等方面存在差异，如果训练数据规模有限或缺乏代表性，模型可能难以适应新的临床环境。

论文指出，高质量、规范标注且具有充分人群多样性的牙科数据仍然不足。未来研究不仅需要扩大样本规模，还应统一数据采集、标注和结果评价标准，并通过跨机构、前瞻性临床研究检验模型的稳定性与泛化能力。对于诊断类系统，研究还应同时报告灵敏度、特异度等指标，明确算法适用范围，避免仅依赖单一准确率评价临床价值。

与此同时，患者知情同意、隐私保护、算法偏差、责任边界和医生信任也是人工智能进入临床必须解决的问题。人工智能更适合作为医生的辅助工具，而不是未经核验地替代专业判断。牙科专家、工程技术人员和医疗机构需要在系统开发早期开展协作，使算法设计与真实临床需求、操作流程及伦理规范保持一致。

图4 人工智能牙科商业软件

总结与展望

本研究系统呈现了人工智能在当代牙科中的应用版图。当前技术已能够在医学影像分析、疾病检测、正畸规划、修复体设计、种植辅助和患者管理等任务中提供支持，并推动牙科诊疗向数字化、精准化和自动化方向发展。商业化系统的出现也表明，部分技术正在从实验室走向实际诊疗场景。

但总体而言，现有人工智能应用仍主要解决牙科流程中的局部问题，临床证据、数据共享、标准化验证和伦理治理尚不充分。未来，研究人员需要进一步融合口内图像、X射线、CBCT、三维扫描和临床病历等多模态信息，发展具备可解释性、实时性和跨场景适应能力的智能系统，并建立医生参与的人机协同机制。只有在可靠数据、严格验证和规范应用的共同支撑下，人工智能才可能由单点辅助工具发展为贯穿检查、诊断、治疗和随访的数字牙科助手，为患者提供更加高效、精准且个性化的口腔医疗服务。

王亚虹 供稿