编辑推荐：
全景放射摄影解读耗时且依赖医师经验，易漏诊。浙大等团队开发可视化系统，集成 AI 与 NLP，实现 6 类口腔疾病（龋齿、牙髓暴露等）智能诊断、电子病历生成及统计分析。基于 521 例样本，系统提升诊断效率与数据挖掘能力，为口腔健康管理提供新工具。
口腔健康是全身健康的重要基石，而口腔疾病的早期发现与精准诊疗一直是临床关注的焦点。全景放射摄影（panoramic radiography）作为口腔疾病诊断的核心辅助技术，可直观呈现牙冠、牙根、牙槽骨等结构，但其解读面临两大难题：一是依赖医师个人经验，人工分析耗时且易因主观判断导致漏诊或误诊，如龋齿（caries）、牙髓暴露（pulp exposure）等常见病变可能被忽视；二是传统电子病历系统缺乏对群体口腔健康数据的综合分析工具，难以从个体诊断中提炼整体趋势，制约了公共口腔健康策略的制定。
为突破上述瓶颈，浙江大学医学院附属第一医院联合杭州电子科技大学的研究团队开展了一项创新研究，相关成果发表在《Scientific Reports》。研究团队开发了一套基于全景放射摄影的口腔疾病智能诊断与统计分析可视化系统，旨在通过人工智能（AI）与可视化技术的结合，提升诊断效率并挖掘群体数据价值。
关键技术方法
研究采用多技术融合方案：
- AI 模型构建：基于 Mask R-CNN 实现牙齿分割，利用 ResNet101 卷积神经网络结合迁移学习，对龋齿、牙髓暴露、根尖周病变（periradicular lesions）、阻生牙（impacted teeth）、残根（residual roots）、缺牙（missing teeth）6 类疾病进行自动检测，模型平均精度均值（mAP）达 0.76。
- 人机协同交互：医师可手动修正 AI 分割与诊断结果，确保临床准确性。
- 电子病历生成：通过基于规则的自然语言处理（NLP）技术，自动生成包含健康风险指数雷达图、病变统计图表及放射报告的结构化电子病历。
- 群体数据可视化分析：利用热图（heat map）和条形图展示疾病部位分布、年龄及性别相关性，支持交互式数据探索。
研究数据来源于 2023 年 11 月至 2024 年 1 月浙江大学医学院附属第一医院的 521 例全景放射影像，涵盖 249 名男性与 272 名女性，年龄 12-85 岁。
研究结果
1. 疾病好发部位与分布特征
通过热图分析发现，下颌第一磨牙是最易患病的部位，涉及龋齿（55 例，19.6%）、残根（17 例，17%）、根尖周病变（26 例，23.4%）等多种疾病。前牙区上颌龋齿患病率高于下颌，而后牙区则相反。缺牙（731 颗）在 60 岁以上人群中最为显著（59.6%），与牙槽骨吸收及牙周萎缩相关；阻生牙（286 颗）多见于 18-29 岁群体（50.4%），与第三磨牙萌出期的解剖特点密切相关。
2. 年龄与性别相关性分析
条形图显示，龋齿在 18-29 岁年龄组占比最高（27.5%），可能与饮食习惯及口腔卫生维护不足有关；牙髓暴露在 60 岁以上人群中占比达 39.5%，提示老年人口腔健康问题需重点关注。性别方面，各疾病患病率无显著差异，表明口腔疾病分布不受性别主导。
3. 系统性能验证
12 名不同年资医师参与的用户研究显示，系统在诊断准确性（平均评分 4.75）、减少漏诊（4.33）、节省病历书写时间（4.5）及数据可视化效果（5.17）等维度均获高度评价，且操作易用性（平均评分 5.33）与临床推荐意愿（5.67）突出，证实其临床实用价值。
研究结论与意义
该研究构建的可视化系统首次实现了全景放射影像解读、电子病历生成与群体数据统计的全流程智能化，通过 AI 辅助诊断降低了医师工作负荷，人机协同机制保障了诊断可靠性，而多维数据可视化则为口腔流行病学研究提供了新工具。研究结果不仅为临床个体诊疗提供精准支持，更通过挖掘年龄、部位等风险因素，为公共卫生部门制定针对性预防策略（如针对青少年的龋齿防控、老年人的缺牙干预）提供了数据支撑，契合世界卫生组织《2023-2030 年全球口腔健康战略》中利用数字技术优化健康信息系统的目标。
尽管目前系统仅覆盖 6 类疾病且数据来自单一中心，未来研究计划整合锥形束 CT（CBCT）、口内扫描等多模态数据，并引入生成式人工智能（AIGC）进一步提升病历生成与数据分析能力。这一创新成果标志着 AI 在口腔医学领域从单一病变检测向全流程管理的跨越，有望推动智能口腔健康管理进入新阶段。
