编辑推荐：
随着全球老龄化加剧，咀嚼功能对老年人健康的影响愈发凸显。研究人员开展了咀嚼评估方法演变的研究，从传统到人工智能驱动的方法进行全面综述。结果显示，AI 技术可实现实时、精准评估。这有助于提升口腔健康诊断和个性化护理水平。
在全球老龄化进程不断加速的当下，越来越多的人步入老年阶段。想象一下，牙齿逐渐脱落、咀嚼能力下降，这不仅影响食物的摄入，还可能引发一系列健康问题，如营养不良、认知衰退等。据统计，到 2030 年，全球六分之一的人将年满 60 岁，到 2050 年，老年人口数量更是会大幅增长。在这样的背景下，咀嚼功能作为影响老年人整体健康和生活质量的关键因素，其评估方法的准确性和有效性显得尤为重要。
过往，传统的咀嚼评估方法虽然在一定程度上能够对咀嚼功能进行量化，但却存在诸多弊端。例如，筛分和混合能力测试耗时费力，难以在临床常规使用；主观自我评估又受个体主观因素影响，可靠性欠佳。因此，开发更先进、更可靠的咀嚼评估方法迫在眉睫。
为了解决这些问题，安徽大学人工智能学院和华中农业大学食品科学技术学院的研究人员开展了一项关于咀嚼评估方法的研究。他们对从传统到人工智能驱动的各类咀嚼评估方法进行了全面且系统的回顾与分析，研究成果发表在《Food, Nutrition and Health》上。
研究人员在研究过程中运用了多种关键技术方法。一方面，借助计算机视觉系统，利用视频分析、内镜成像和运动跟踪技术来量化咀嚼模式、食团形成和下颌动力学；另一方面，使用可穿戴设备，像惯性传感器和肌电图（EMG）设备，实现对下颌运动和肌肉活动的实时监测；此外，还采用了机器人模拟技术，通过仿生咀嚼机器人模拟人类咀嚼过程。
研究结果主要涵盖以下几个方面：
- 传统方法：传统的咀嚼评估方法分为主观和客观两类。主观方法包括双色口香糖测试和咀嚼功能问卷（CFQ），虽然操作简单且能反映患者的主观感受，但受人为因素影响大，可靠性受限。客观方法则通过使用胶囊、口香糖和特定食物等进行评估，例如基于胶囊的方法可通过比色分析和粒度测量客观量化咀嚼效率；口香糖评估法简单有效，能提供可量化数据；特定食物评估法结合食物破碎和颜色混合测试，可全面评估咀嚼能力，但传统方法普遍存在耗时、操作复杂等问题。
- 人工智能方法：计算机视觉系统可通过视频分析等技术深入洞察咀嚼功能，如通过视频内镜观察食团形成过程，计算食团形成指数（BFI），发现咀嚼次数与 BFI 呈正相关 。可穿戴设备能在自然环境下实时监测咀嚼活动，如 bitescan? 设备可测量咀嚼周期，且结合声学分析表明咀嚼声音强度可作为评估咀嚼性能的指标。机器人模拟技术借助仿生咀嚼机器人和图像分析技术，可研究体外咀嚼对食物团形成的影响，如通过灰度共生矩阵（GLCM）图像分析，从能量、对比度和均匀性等方面对食物团进行量化分析。
研究结论表明，咀嚼评估方法已从传统方法逐步发展到现代技术驱动的方法。虽然传统方法有一定价值，但人工智能和机器人技术的融合为咀嚼评估带来了更精准、更高效的解决方案。这不仅有助于提高诊断准确性，还能实现对咀嚼功能的连续监测，对老年人和口腔健康受损人群意义重大。未来，随着技术的不断进步，多学科协作将进一步推动咀嚼评估技术的发展，有望改善口腔健康诊断、治疗规划和个性化护理，显著提升人们的口腔健康和生活质量。这项研究为该领域的后续发展指明了方向，在生命科学和健康医学领域具有重要的理论和实践意义。
