人工智能在根管形态判定中的应用：印度牙髓病医师认知现状调查

本研究针对根管形态复杂性导致的治疗失败问题，通过问卷调查评估印度牙髓病医师对AI技术的认知与应用现状。结果显示仅43.8%医师熟悉人工神经网络（ANN），91.1%从未使用AI软件，89.3%呼吁开展专项培训。研究表明AI虽能提升治疗成功率（82.5%支持，p<0.001），但临床推广仍面临培训缺失与技术壁垒，为口腔医学AI教育体系构建提供关键依据。

　　

随着人工智能（AI）技术在医疗领域的迅猛发展，牙髓病学作为口腔医学的重要分支，正迎来诊断与治疗模式的革新。根管系统的形态复杂性一直是临床治疗的重大挑战，变异根管、C型根管或遗漏根管常导致清创不彻底和充填缺陷，进而引发根管治疗失败。传统依赖口腔根尖片（IOPAR）和锥形束CT（CBCT）的诊断方式存在主观性强、辐射暴露及成本较高等局限。尽管AI技术（尤其是卷积神经网络CNN和人工神经网络ANN）已证明在根管形态识别、骨折检测和预后预测方面具有超高精度，但其在临床实践中的渗透度仍不明确。为此，印度贾米亚米利亚伊斯兰大学牙科学院的研究团队开展了首项针对印度牙髓病医师AI认知现状的大规模调查，研究成果发表于《Journal of Oral Biology and Craniofacial Research》。

研究采用横断面问卷调查法，通过谷歌表单对400名印度执业牙髓病医师及研究生进行抽样，最终回收338份有效问卷。问卷经专家效度验证，Cronbach's α系数为0.76，确保信度。统计采用SPSS 22.0进行卡方检验（p<0.05为显著）。

研究结果

人口学特征：受访者以25-35岁女性（73.7%）为主，60.7%为在读研究生，60.4%任职于政府或私立学术机构。

AI认知水平：仅43.8%熟悉人工神经网络（ANN），35.2%了解深度学习（Deep Learning），30.5%完全不了解任何AI模型。68.3%对AI在牙髓病学的应用呈"部分知晓"，仅12.7%为"完全知晓"。

临床实践偏好：84.3%依赖IOPAR判定根管形态，仅10.9%使用CBCT。47.6%"有时"使用3D影像技术，56.2%曾因未检测到额外根管或C型根管导致治疗失败（p<0.001）。

AI接受度与障碍：37.9%认为AI"较可行"，82.5%认可AI能提升治疗成功率（p<0.001）。但60.9%自认未受AI操作培训，91.1%从未使用AI软件，90.2%认为需更多研究验证AI准确性。

培训需求：89.3%强烈要求开展AI专项培训（p<0.001），86.4%愿意未来使用AI技术。

讨论与结论

本研究揭示印度牙髓病医师对AI技术存在"高认可度与低实践度"的矛盾现象。尽管多数医师肯定AI在提升诊断精度和治疗成功率方面的潜力，但培训缺失、成本顾虑及技术熟悉度不足严重制约临床应用。与既往研究对比，印度医师的AI认知水平低于国际报道（如63.5%全球知晓率），反映地区性教育差异。研究者强调，AI技术（如深度学习模型）在识别下颌第一磨牙和前磨牙根管形态方面已展现超高准确性，甚至能通过全景片预测C型根管，但其临床转化需突破三大壁垒：建立标准化培训体系、降低技术成本、完善证据链支撑。未来需通过 workshops 和继续教育课程弥合知识鸿沟，同时关注数据隐私与算法伦理等衍生问题。该研究为全球牙髓病学AI技术推广提供了首份区域化路线图，凸显了教育干预与技术适配的紧迫性。