开放获取口腔颌面影像数据集的特征、许可与伦理考量：系统性评价揭示标准化指南的迫切需求

本研究针对口腔颌面影像AI研究中公开数据集的特征、伦理审查及许可规范不明确问题，系统评价了105个开放数据集（含437,538张图像）。研究发现83.8%数据集未披露伦理审批，61.9%未明确许可条款，且仅25.7%标注了注释者资质。该研究发表于《npj Digital Medicine》，为建立AI专用知情同意和数据集复用标准提供了关键证据，对推动口腔AI研究的规范发展具有重要意义。

　　

在口腔医学加速数字化的浪潮中，人工智能(AI)技术正深刻改变着疾病诊断和治疗规划的方式。从龋齿检测到颌骨分割，从种植体定位到癌变细胞识别，这些AI模型的训练都离不开高质量的口腔颌面影像数据集。然而令人担忧的是，当前公开可用的影像数据集中，关于数据采集的伦理审批、注释者资质以及许可条款等关键信息普遍缺失，这就像建造高楼却没有稳固的地基——可能导致AI模型存在潜在偏见或法律风险。

针对这一紧迫问题，由香港大学牙医学院Kuo Feng Hung领衔的国际研究团队，在《npj Digital Medicine》发表了开创性研究。研究人员系统检索了PubMed、Google Scholar等数据库及Kaggle等平台，最终纳入了2018-2024年间创建的105个开放数据集，包含来自21个国家的437,538张图像和100段口内视频。这些数据涵盖了全景放射影像、根尖片、锥形束CT(CBCT)、磁共振成像(MRI)等11种影像模态，堪称目前最全面的口腔颌面影像数据集评估。

研究采用系统性评价方法，通过双盲筛选流程（Cohen's kappa值0.83-0.92）确保数据可靠性。关键技术包括：PRISMA指南框架下的文献筛选、QUADAS-2工具评估注释偏倚风险、METRIC框架分析数据质量维度。特别关注了数据集的地理来源、机构归属、注释规范等特征，并首次系统梳理了Creative Commons(CC)许可协议在口腔影像数据中的应用现状。

【数据集特征分析】
研究发现全景放射影像数据集占比最高（43.2%），其次是口内照片（23.1%）和根尖片（11.5%）。

地理分布显示62.9%数据集未标明来源，在已标明的数据中，亚洲贡献最多（特别是中国和印度），欧洲和南美次之。值得注意的是，仅13个数据集（12.4%）披露了影像设备制造商信息，这为评估设备间差异带来了挑战。

【注释质量评估】
在83个提供注释的数据集中，71.1%因未说明注释者资质被评定为"高风险"偏倚。表3详细列举了各类注释标准：如数据集3包含五种复杂注释（从牙齿掩膜到眼球追踪热图），由专家和牙科学生共同完成；而数据集67的15万张照片注释则由6年经验以上的正畸医生完成。这种注释质量的巨大差异，使得跨数据集整合时需格外谨慎。

【伦理与法律隐患】
研究揭示的突出问题包括：83.8%数据集未说明是否获得伦理审批；38.1%完全未指定许可条款。在明确许可的65个数据集中，52.3%采用CC BY 4.0许可，但存在误标许可证等问题。表4显示，仅12个数据集（11.4%）同时满足伦理审批和许可披露的"低风险"标准，而36个（34.3%）因双重缺失被列为"高风险"。

这项研究的意义不仅在于揭示了口腔AI数据生态系统的关键缺陷，更提出了建立标准化指南的迫切需求。作者建议：①开发AI专用知情同意书，明确告知患者数据可能用于机器学习；②制定统一的注释资质认证体系；③规范数据共享的许可协议选择。这些措施将有助于解决当前"数据孤岛"现象，促进口腔AI研究的可重复性和临床转化。

正如研究者强调的，在口腔医学全面数字化的今天，缺乏规范的数据共享机制就像没有交通规则的十字路口——看似畅通却隐患重重。该研究为构建安全、合规的口腔影像数据高速公路提供了首个系统性路线图，对实现《健康中国2030》规划中提出的智能医疗愿景具有重要推动作用。未来研究可在此基础上，进一步探索联邦学习等隐私保护技术在这些数据集中的应用潜力。