基于人工智能的曲面断层片多生牙与先天缺牙诊断准确性研究：DiagnocatTM软件评估

本研究针对口腔影像诊断中人工判读效率瓶颈，开发了基于AI的DiagnocatTM软件评估系统。通过150例曲面断层片对照实验发现，该模型对先天缺牙检测灵敏度达84.7%（Kappa=0.91），但对多生牙识别灵敏度仅43.9%（Kappa=0.60），证实AI可作为辅助工具但暂无法替代人工诊断，为口腔智能诊疗发展提供重要循证依据。

　　

在口腔临床实践中，曲面断层片（orthopantomograms）作为最常用的二维成像技术，承载着牙齿发育异常诊断的重要使命。然而，多生牙（supernumerary teeth）和先天缺牙（congenitally missing teeth）这两类数量异常问题，却让医生们面临巨大挑战——前者像"不速之客"隐匿在牙列中（发生率1.2%-6.0%），后者则是牙弓上的"失踪者"（发生率3%-10%）。传统依赖医生肉眼识别的方式不仅效率低下，更可能因影像重叠、混合牙列等复杂情况造成漏诊，导致后续正畸治疗出现并发症。

欧洲大学塞浦路斯牙学院联合雅典国立大学的研究团队，在《European Journal of Orthodontics》发表的研究中，对AI诊断系统Diagnocat^TM展开了严格测试。研究人员采用回顾性设计，收集150例8-34岁患者的曲面断层片（50例正常对照、50例先天缺牙、50例多生牙），由两位正畸专家双盲评估作为金标准，与AI诊断结果进行对比。通过Cohen's Kappa评估一致性、McNemar检验比较诊断差异，并计算灵敏度（sensitivity）、特异度（specificity）等指标。

【材料与方法】
研究采用便利抽样法获取三组各50例曲面断层片，排除颅面畸形等干扰因素。两位专家独立评估后，将相同影像上传Diagnocat^TM云端分析。统计采用IBM SPSS 29.0进行Wilcoxon符号秩检验、McNemar检验，计算Kappa值及诊断效能指标。

【先天缺牙检测结果】
AI模型展现出近乎完美的特异度（100%）和阳性预测值（100%），但灵敏度84.7%意味着每6颗缺牙就有1颗被遗漏。尤其在下颌第二前磨牙区域，AI漏诊率达9.7%（3/31）。统计显示两者识别缺牙数量存在显著差异（p<0.01），AI平均每片少报0.3颗缺牙。

【多生牙检测结果】
表现更为局限的43.9%灵敏度，使过半多生牙（32/57）成为"漏网之鱼"。有趣的是，AI对已萌出多生牙的识别率（73.7%）显著高于未萌出者（28.9%）。在形态学分类中，补充型（supplementary）多生牙的检出率（42.9%）明显低于锥形（conical）和结节型（tuberculate）。

【讨论与结论】
这项研究揭示了AI在牙科影像诊断中的"双面性"：对于先天缺牙，Diagnocat^TM展现出临床可用性（Kappa=0.91），但其在混合牙列期和未萌牙识别上的缺陷，提示需要针对性优化训练数据集。而对于多生牙诊断，当前性能尚不足以支持临床独立应用，特别是在处理重叠解剖结构时表现欠佳。

该研究的创新价值在于首次系统评估了AI对牙齿数量异常的诊断效能，为智能口腔诊疗发展提供了重要基准。研究者建议，未来应开发可解释AI（XAI）系统，通过可视化决策过程增强临床信任度，同时需要纳入更丰富的发育变异样本进行模型训练。正如作者强调："AI不应被视为替代者，而应作为正畸医生的'智能放大镜'，在高效初筛的同时，仍需专业医生把关关键决策。"这项研究为AI在口腔医学领域的合理应用划定了现实边界，也为后续技术迭代指明了方向。