基于Demirjian法与机器学习融合的巴西东南部青少年牙龄评估新策略

来自巴西的研究人员通过结合Demirjian牙龄评估法与机器学习算法（包括GBR、RFR等8种模型），利用610张全景片数据将预测误差降至1.5年以内，最优模型MAE（平均绝对误差）降低44.03%至0.75年，为法医和临床牙科提供了更精准的年龄推断工具。

　　

这项开创性研究将传统牙龄评估标杆Demirjian法与人工智能技术相结合，犹如为牙齿发育装上了"智能解码器"。科研团队收集了610名巴西东南部青少年的数字化全景放射影像（panoramic radiographs），通过Demirjian经典八阶段分级系统对下颌恒牙发育状态进行标注。研究团队训练了包括梯度提升回归(Gradient Boosting Regressor)、随机森林(Random Forest Regressor)在内的8种机器学习模型，采用五折交叉验证(five-fold cross-validation)确保结果稳健性。

令人振奋的是，智能算法展现出惊人的预测精度：最优模型的平均绝对误差(MAE)仅0.75年（95%置信区间[0.66-0.85]），较传统方法1.34年的误差骤降44.03%，均方根误差(RMSE)也从1.63年优化至0.92年。通过1000次迭代的Bootstrap分析，证实了结果的统计学显著性。这项研究如同在法医牙科学(forensic odontology)领域投下一枚"智能炸弹"，不仅将年龄预测误差压缩到1.5年内的临床实用阈值，更开创了牙科人工智能诊断的新范式。其价值横跨司法鉴定与临床诊疗，为不同族群的年龄相关诊断提供了自适应性强、精确度高的新型评估工具。