《Journal of Dentistry》：A deep-learning system for dental plaque quantification from disclosed intraoral photographs, validation against clinical plaque scoring
编辑推荐：
自动化菌斑覆盖率对438颗牙的排序与临床T-QHPI（Turesky-modified Quigley–Hein plaque index）的一致性为ρ=0.856；按T-QHPI字面面积阈值会将菌斑高估1.16个等级（加权κ=0.460）；校准阈值达到加权κ
自动化菌斑覆盖率对438颗牙的排序与临床T-QHPI（Turesky-modified Quigley–Hein plaque index）的一致性为ρ=0.856；按T-QHPI字面面积阈值会将菌斑高估1.16个等级（加权κ=0.460）；校准阈值达到加权κ=0.812，而两名检查者之间为0.791；参与者均值一致性为ICC(2,1)=0.916，Bland–Altman偏倚为+0.008个等级；自动化分级可辅助而非替代检查者，尚需外部验证。
研究背景与目的：牙菌斑（dental plaque）是牙龈炎（gingivitis）的病因，牙龈炎是牙周炎（periodontitis）的必要前提，控制菌斑对预防牙周炎重要。欧洲牙周病学联合会S3级指南将行为改变和龈上生物膜控制列为牙周炎治疗第一步。临床常规用菌斑指数记录，T-QHPI（Turesky-modified Quigley–Hein plaque index，Turesky改良Quigley–Hein菌斑指数）按染色生物膜颈-切端范围将颊侧菌斑分为0—5级；Silness–L?e指数（Silness–L?e index）不染色按边缘菌斑厚度分0—3级。整级评分分辨率有限，牙齿菌斑减半可能等级不变，对临床试验小差异不如平面测量敏感；T-QHPI不同检查者对类别解释存在歧义，检查者内和间变异较高。AI牙科图像研究中，系统综述发现人口学亚组分析缺乏；口内照片研究常以目视检查而非临床检查作参考；菌斑自动定量多依赖预先颜色规则和操作者。深度学习（deep learning）从标注样本学习菌斑外观；系统综述报告菌斑分割平均IoU（intersection over union，交并比）0.64—0.86（5项研究），中位0.74，中等确定性，主要局限为无外部测试、单中心和不一致报告；恒牙模型检测准确性随菌斑量和边缘复杂度增加而下降。性能常报像素重叠，不能说明是否像临床评分；临床指数常由模型预测计算或作为分类任务报准确率；缺乏与两名校准检查者之间一致性比较这一现实上限。CLAIM 2024要求报告参考标准注释者间和内部变异性，近期综述12项菌斑研究中仅3项与牙医比较；据知无深度学习研究将照片菌斑分级与椅旁菌斑指数的一致性同两名校准检查者椅旁评分同一参与者的一致性比较。研究目的是确定从显示口内照片自动测得的菌斑是否与校准检查者T-QHPI一致；若达到该标准，可作为辅助工具、第二意见和跨访视一致记录，并提供经临床菌斑指数校准的数字菌斑指数，作为更敏感研究终点。
研究开展与意义：研究人员开展单中心临床研究，index test为自动图像菌斑测量，reference standard为校准牙医T-QHPI，同一时间点、同一显示牙列、仅颊/前庭面；两者独立生成，分割模型仅用注释者菌斑掩膜训练，检查者椅旁评分无模型输出；分割模型用参与者级5折交叉验证内部验证，测量与同参与者临床参考比较，无外部数据。结论：自动颊侧菌斑覆盖与校准检查者T-QHPI一致，阈值校准后一致性不亚于两名检查者；意义是支持而非替代临床评分，需外部验证。
关键技术方法：20名成人来自巴西大学临床研究中心，2025年9月19日至10月4日招募，纳入18—65岁、至少20颗天然牙、筛查可见菌斑指数>20%，检查前48小时停口腔卫生。用两色显示剂后拍正面和两侧位标准化照片。分割用U-Net（U-Net）编码器-解码器，ResNet-34（ResNet-34）编码器，ImageNet初始化，正面和侧位各一模型；AdamW，学习率1×10
?4，权重衰减1×10
?4，混合精度，Dice与二元交叉熵等权损失，参与者级5折交叉验证，所有临床比较用折外预测（out-of-fold）。牙冠手工描绘并标FDI牙位编码（FDI two-digit code），每牙按指定视图测覆盖率；两名校准检查者椅旁评T-QHPI，第二检查者评13名参与者；连续覆盖率用字面阈值和留一参与者分位数映射校准为数字Turesky指数；统计用Spearman ρ、加权κ、ICC(2,1)、ICC(3,1)、Bland–Altman和参与者级bootstrap。
研究结果：
3.1 样本与分割性能：20名成人（15女5男；平均37.3岁，SD9.1，23—63岁）贡献60张照片；510颗牙绘轮廓，493颗在指定视图测量，438颗进入临床比较；55颗未比较中10颗因冠或大修复无临床分级、45颗第二磨牙预排除；比较牙grade0和1合计11.9%，覆盖率中位数51.5%。折外Dice正面0.875、侧位0.876，IoU0.781和0.782，像素准确率0.967和0.971；两注释者掩膜Dice0.881；模型与注释者分歧像素72.3%在菌斑边缘5像素内，模型单独标记像素29.2%在牙冠外，其中56.6%在龈缘和乳头10像素内并排除每牙覆盖。结论为分割性能较高，分歧多位于边界。
3.2 秩一致性：数字覆盖与临床指数Spearman ρ=0.856（95%CI0.821—0.877；438牙20名参与者）；两检查者相互ρ=0.807（0.715—0.871；291牙13名参与者）；参与者均值r=0.930（0.854—0.974；20名）。结论为排序一致，且与检查者间一致性相近。
3.3 指数定义下的序数一致性：按字面面积阈值加权κ0.460（0.382—0.525），ICC(2,1)0.460（0.380—0.530），完全一致16.7%，一等级内67.8%；数字评分平均高1.160单位；ICC(3,1)0.752（0.688—0.796）。结论为缺陷是尺度偏移而非排序；替代阈值加权κ0.323和0.668。
3.4 校准的数字Turesky指数：留一参与者分位数映射切点6.7%、22.8%、44.3%、70.3%、85.2%；各切点跨折SD0.32%—0.74%；固定平均切点加权κ0.821；校准后加权κ0.812（0.766—0.844），完全一致58.0%，一等级内96.8%，检查者间κ0.791（0.710—0.853）；在290颗双方均评分牙上，自动与检查者间κ差0.020（?0.045—0.100），ρ差0.054（?0.018—0.144）；自动超过自身置换零（permutation null）0.489，检查者对0.557，达人类基准87.8%；参与者均值ICC(2,1)0.916（0.817—0.963），Bland–Altman偏倚+0.008（?0.122—0.133），95%界限?0.582—+0.599，无比例偏倚；纳入第二磨牙校准κ0.794；T-QHPI≥3时AUC（area under the curve，曲线下面积）0.937（0.912—0.957），敏感性（sensitivity）0.877、特异性（specificity）0.808。结论为校准后与临床分级一致性达到检查者间水平，参与者均值一致。
讨论与结论：讨论认为自动测量排序与检查者一致，字面阈值高估约1级，校准可消除恒定偏移且不改变顺序；Jung et al.和Renton-Harper et al.报告指数与平面覆盖非线性及等级间距不均，与本文偏移和不均匀切点一致；校准切点应外部重新推导。分割性能与Shi et al.显示图像Dice约84%水平相当，高于未显示照片模型Andrade et al.（F1 60.6%）和Azevedo et al.（IoU0.528）。本文ρ0.856和r0.930处于数字工具与参考方法汇合范围上限；Chen et al.、Jeong et al.以分类准确率报告，准确率与加权κ不可互换。检查者间κ0.791与Gkavela et al.的Cronbach's α0.55—0.77及Sharab et al.的κ0.93等研究条件不同；本文设计补充同参与者检查者对和置换零参考。局限包括20名单中心、标准化光照单一相机和显示剂、内部验证；外部数据准确性可下降，颜色校准问题；清洁或轻覆盖牙少；第二检查者仅13名；仅颊面；菌斑边界单一注释者；一致性统计依赖指标和尺度。临床角色为辅助而非替代，符合患者对AI支持决策的总体态度；AI监测试验显示菌斑评分下降，但其益处取决于菌斑读取准确性；椅旁应用尚需自动牙冠分割和编号，连续范围测量可作为更敏感终点；未来需外部多中心、不同设备/光照/显示剂、较低菌斑水平、超越颊面和重复照片纵向监测。研究结论翻译：在本单中心研究的局限内，从显示照片自动测得的颊侧菌斑覆盖与校准检查者T-QHPI评分一致，阈值校准后一致性不亚于两名检查者之间的一致性；该测量可作为辅助工具支持而非替代临床医生的菌斑评分，其临床使用需在不同临床条件下外部验证。
