编辑推荐：
传统口腔修复学面临临床差异大、资源受限等难题。研究人员开展 “人工智能在口腔修复学中的应用” 研究，发现 AI 在龋齿检测等多领域成果显著。这有助于提升口腔诊疗水平，为精准医疗提供支持。
在当今科技飞速发展的时代，口腔医学领域也在积极寻求突破。传统的口腔修复学在实际临床操作中面临着诸多挑战，比如不同临床医生之间的专业水平差异，会导致诊断和治疗的不一致；医疗资源的有限性也限制了口腔修复技术的广泛应用和精准实施；而且，仅仅依靠传统的诊断方式，难以实现数据驱动的精准诊断。在这样的背景下，人工智能（AI）技术的兴起为口腔修复学带来了新的曙光。AI 凭借其强大的数据处理能力和模式识别能力，有望为口腔修复学的诊断、预后评估和治疗规划等环节提供变革性的解决方案，这也促使研究人员开展了相关研究。
来自巴基斯坦法蒂玛?真纳牙科医院（Fatima Jinnah Dental College Hospital）的 Dr. Shahid Islam 和 Dr. Mariya Najeeb 针对 AI 在口腔修复学中的应用展开了深入研究。他们的研究成果发表在《BMC Oral Health》上，为口腔医学领域带来了新的思路和方向。
研究人员采用系统的文献回顾方法开展研究。他们在 PubMed、Scopus 和 Web of Science 等数据库中，使用 “artificial intelligence”“machine learning”“deep learning”“restorative dentistry” 等关键词，检索了 2020 - 2025 年 1 月期间发表的英文研究。按照 PRISMA 指南，严格筛选文献，最终确定了 63 篇同行评审的出版物进行分析。
人工智能在口腔修复学中的应用成果
- 龋齿检测：机器学习算法，尤其是卷积神经网络（CNN）在龋齿检测方面表现出色。它能够分析口腔内数字图像，精准识别非龋洞病变和邻面龋病变，这些区域通常是传统诊断的难点。多项研究显示，CNN 在不同数据集和成像方式下，龋齿检测准确率可达 80% - 98.60% 不等。
- 儿童牙科：AI 在儿童牙科领域也有广泛应用。比如利用定制的 AI 驱动器具辅助正畸牙齿移动，借助 AI 实现疼痛控制，以及通过 4D 护目镜和虚拟现实技术改善儿童患者的行为。在早期儿童龋齿的研究中，AI 可整合临床、人口统计等多源数据进行分类和预测 。
- 牙齿修复：AI 在检测各类牙齿修复体和植入物方面准确性极高。在 CAD - CAM 过程中，CNN 分析口腔内 3D 扫描数据，助力制作精确的数字模型。虽然目前 3D - CNN 生成部分牙冠的模型准确率为 60%，但随着数据集的优化，其临床应用潜力巨大。
- 牙髓病学：AI 作为辅助诊断工具，在牙髓病学中发挥着重要作用。它能够帮助定位根尖孔，精确确定工作长度，识别牙根骨折、根尖周病变和特殊根管形态。多项研究表明，AI 在预测根管治疗（RCT）后疼痛、检测根尖周病变等方面，准确率可达 68% - 95.60%。
- 其他应用：在牙齿表面磨损（TSL）方面，人工神经网络（ANN）可分析相关因素，预测 TSL 并制定个性化预防计划；在牙齿颜色测定上，CNN 等技术能精准确定牙齿颜色，与自然牙色匹配 。
研究结论与讨论
研究表明，AI 在口腔修复学中的可靠性得到了验证，其诊断准确性高、治疗规划精确，还具备预测分析能力，能够优化临床工作流程。然而，AI 在口腔修复学中的应用仍面临诸多挑战。数据集方面，需要大量且多样的高质量数据，目前缺乏标准化数据集，这限制了 AI 模型的泛化能力和可靠性；伦理方面，数据隐私、安全以及 AI 决策过程的可解释性等问题亟待解决；同时，AI 应用需要持续验证、保持透明度并及时更新，多模态数据集成也有待进一步发展 。
为了推动 AI 在口腔修复学中的应用，未来研究应聚焦于建立标准化基准，评估和比较 AI 工具；探索 AI 与 3D 打印等新兴技术的融合，革新修复程序；研究 AI 辅助干预的长期临床结果，确保其有效性和安全性。此外，研究人员、临床医生和政策制定者之间的合作至关重要，只有共同努力，才能克服这些挑战，实现 AI 在口腔修复学中的广泛应用，推动口腔医学领域向精准医疗、以患者为中心的方向发展，为患者提供更优质的口腔医疗服务。
