综述：人工智能在口腔健康中应用的全面叙述性综述：从诊断到治疗

《Expert Systems with Applications》：Comprehensive narrative review of artificial intelligence applications in oral health: from diagnosis to treatment

这篇综述系统梳理了人工智能（AI）技术在口腔健康领域的应用进展。文章详细阐述了AI在牙科诊断（如龋齿检测、影像学分析）、决策支持、治疗规划及预后预测等核心环节的应用，涵盖了机器学习（ML）、深度学习（DL）、卷积神经网络（CNN）等关键技术。同时，综述也客观分析了AI应用面临的伦理、数据标准化及临床实施挑战，并展望了未来研究方向，为口腔医学与AI的深度融合提供了有价值的参考。

　　

Historical perspective and evolution of AI in dentistry

人工智能（AI）在现代牙科中扮演着日益重要的角色，主要用于提升诊断和临床效率。虽然部分应用涉及机器人系统等物理工具，但AI对牙科的主要贡献在于基于软件的解决方案，这些方案改善了数据解释和诊断准确性。这些技术旨在增强临床医生的能力而非取代他们，提供有助于处理常规任务和复杂数据分析的工具。

Classification and core concepts of AI

人工智能（AI）方法学，包括人工神经网络（ANN）、遗传算法和模糊逻辑，正在通过实现精确的模式识别和临床应用中的决策来改变牙科。人工神经网络（ANN），特别是卷积神经网络（CNN），在分析牙科X光片方面表现出色，能够识别影像数据中的复杂模式。支持向量机（SVM）等其他方法也在特定分类任务中发挥作用。从概念上，AI可分为强AI和弱AI，牙科中的应用目前主要属于弱AI范畴，即专注于执行特定任务。

AI in diagnosis

由于医疗保健领域越来越多地使用技术以实现更快、更准确的诊断，AI已成为公共卫生中的流行工具。与易受临床医生偏见和错误影响的传统诊断方法不同，基于多样化数据集训练的AI模型在检测龋齿和根尖周病变等牙科疾病方面达到了卓越的准确性。将AI整合到当前的牙科临床工作流程中，可以实现更精确、更高效的诊断过程。

Advantages of AI in dentistry

人工智能（AI）通过提高临床精度、优化工作流程和促进牙科各领域的研究创新来增强口腔医疗保健。其显著优势包括：实现结构化、标准化的数据收集，为基于证据的治疗决策奠定基础；通过自动化数据录入和分析，减少人为错误，提高效率；以及在影像分析中提供高精度的辅助诊断，减轻医生工作负担。

Ethical, legal, and implementation challenges

确保人工智能在牙科中的伦理和负责任应用需要深思熟虑的规划、监督和监管。AI工具必须提供切实的好处——例如改善护理可及性、提高安全性和效率、增强患者权能以及支持研究和创新——同时维护隐私、自主权和人类尊严的最高标准。从集中式模型转向联邦学习（FL），即数据保持去中心化，有助于解决数据隐私和共享方面的一些挑战。

Research gaps and future directions

尽管人工智能在牙科的应用取得了显著进展，但仍存在巨大差距，必须解决这些差距才能将这些技术转化为现实世界的实践。首先，数据不足以及缺乏标准化的、多机构数据集对模型的普适性构成了障碍；当前大多数方法依赖于有限的、同质化的数据，导致偏见和外部有效性降低。其次，隐私问题、数据共享法规以及临床工作流程整合的复杂性也是需要克服的关键障碍。未来的研究方向应集中于开发更强大、更公平的AI模型，并建立完善的评估框架。

Conclusion

人工智能（AI）正在重塑现代牙科的格局，在诊断、治疗规划、决策支持和结果预测等领域提供变革潜力。本综述强调了AI技术——从机器学习（ML）算法到深度学习（DL）模型——如何被整合到临床实践中，以提高诊断准确性、减少从业者工作量和优化患者护理。AI在牙科各专科（如修复学、正畸学、口腔颌面外科学）应用的多样性，加上其处理复杂数据集的能力，预示着个性化、高效口腔护理的新时代。然而，要实现其全部潜力，必须解决数据标准化、模型透明度、伦理考量和专业培训方面的挑战。持续的研究、跨学科合作以及稳健的监管框架对于负责任地将AI融入牙科实践至关重要。