人工智能在牙龄评估中的革命性应用：技术突破、临床价值与法律挑战

本研究系统回顾了人工智能（AI）技术在牙龄评估领域的前沿进展。针对传统方法（如Demirjian法、Cameriere法）存在主观性强、种群特异性高等局限，研究人员通过卷积神经网络（CNN）和机器学习（ML）模型实现了全自动牙龄评估，平均绝对误差（MAE）低至0.03-0.7年，分类准确率超90%。该技术为法医齿科学、儿科正畸和司法年龄鉴定提供了客观高效的解决方案。

　　

在法医齿科学、儿科 dentistry 和司法鉴定领域，准确评估个体年龄一直是项重大挑战。传统牙龄评估方法如Demirjian分期系统、Willems修正法和Cameriere开放根尖法，虽经广泛验证，却始终受限于 examiner subjectivity（检查者主观性）、population-specific calibration（种群特异性校准）以及低扩展性。尤其面对大规模灾难 victim identification（受害者识别）或移民年龄核查时，人工解读的耗时性和不一致性更成为突出瓶颈。

发表于《Journal of Oral Biology and Craniofacial Research》的这项 narrative review（叙述性综述）系统探讨了人工智能（AI）技术如何革新牙龄评估领域。研究团队来自印度昌迪加尔政府医学院 dentistry 系，通过全面分析当前机器学习（ML）与卷积神经网络（CNN）在 panoramic radiographs（全景射线片）和 cone-beam computed tomography（CBCT，锥束计算机断层扫描）中的应用，揭示了AI技术在提升精度、标准化流程及跨越法律阈值分类方面的卓越潜力。

研究人员通过检索PubMed、Embase和Google Scholar数据库，筛选出应用机器学习（ML）和卷积神经网络（CNN）进行牙龄评估的原创研究及系统综述。重点关注了模型架构、平均绝对误差（MAE）、分类准确率及外部验证等性能指标。研究队列涵盖多国数据集，包括马来西亚、欧洲及拉丁美洲人群的放射影像数据。

3.1. Machine learning approaches

早期机器学习方法依赖手动提取影像形态特征（如 pulp/tooth area ratio（牙髓/牙齿面积比））。Sarica 等使用随机森林模型分析150例CBCT影像，实现相关系数0.803，MAE为6.02年，发现 buccal alveolar bone level（颊侧牙槽骨水平）对年龄预测具有显著贡献。

3.2. Deep learning and CNN-based models

深度学习模型尤其是CNN展现出更优性能。Ong 等开发的三阶段CNN pipeline（管道）采用YOLOv5进行牙齿检测、U-Net分割和EfficientNet分期，在5133张全景片中实现mAP（平均精度）0.995、分割精度0.978，分类F1分数在磨牙达90.8%。Guo 等证实CNN在14、16、18岁法律阈值分类准确率超95%，显著优于逻辑回归模型。Sivri 等比较多种CNN架构，发现DenseNet201的MAE仅0.73年，误差低于传统Demirjian法。Franco 等采用DenseNet121进行二分类，在18岁阈值下男性AUC（曲线下面积）达0.94。Mohammad 团队开发的F-DentEst Lab实现MAE低至0.03年（女性），凸显其在灾害 victim identification（DVI）中的实用价值。

3.3. Comparative analyses with traditional methods

多项对比研究一致表明：传统方法如Demirjian法常高估年龄，Cameriere法则易低估，而AI模型无定向偏差。CNN在MAE、分类准确率和泛化能力上均超越人工系统。Khanagar 等的系统综述确认AI在咬痕分析、性别判定和牙龄评估中匹配或超越人工准确性。Neves 等的 umbrella review（伞状综述）指出AI与3D成像方法性能最高，但强调需高质量前瞻性验证。

研究结论明确指出：人工智能代表牙龄评估的 paradigm shift（范式转变），提供远超传统方法的精度与操作效率。CNN模型能实现全自动牙齿检测、分割和分期，输出结果快速、客观且可重复。然而，技术仍面临算法 opaque（不透明）、训练数据集代表性不足导致的 demographic bias（人口偏差），以及缺乏国际验证标准等局限。未来需优先开发种群多样性数据集、推进可解释AI（XAI）框架建设，并建立共识导向的监管体系，以促进临床转化和法医可采性。

该研究不仅为牙科临床和法医实践提供了技术前瞻，更为AI在生物医学领域的合规应用树立了重要参照。通过深度融合计算机科学与齿科医学，这项技术有望在 global medico-legal settings（全球法医法律环境）中发挥变革性作用。