利用生物荧光成像技术，通过牙齿咬合面的磨损情况辅助进行人工智能年龄估算

《Scientific Reports》：AI-assisted age estimation from occlusal tooth wear using biofluorescence imaging

　　

摘要

这项概念验证研究评估了基于人工智能的年龄估计模型的可行性，该模型使用通过生物荧光技术量化的牙齿咬合磨损参数（ΔF_wear）来进行年龄判断。研究分析了104名成年人（20–70岁；共2,733颗牙齿）的定量光诱导荧光（QLF）图像。为防止数据泄露，数据集在参与者层面进行了分割。研究人员优化了随机森林（RF）回归模型，并通过递归特征消除与交叉验证（RFECV）方法筛选出了有效的牙齿子集。最终模型通过独立测试集进行了验证，同时评估了平均ΔF_wear与实际年龄之间的相关性。交叉验证（CV）结果显示，使用三颗牙齿作为特征时模型性能最佳；然而，独立测试表明，包含七颗关键牙齿的模型具有更好的泛化能力。该七颗牙齿模型平均绝对误差（MAE）为7.49岁（95%置信区间：5.90–9.17岁），与包含全部28颗牙齿的模型相当（MAE：7.27岁；p = 0.79）。该模型与年龄的相关性更强（r = 0.78 vs 0.71），R²值也为0.61。这些发现支持将ΔF_wear与可解释的机器学习框架结合用于非侵入性年龄估计的可行性。尽管简化的七颗牙齿模型在分析效率上有所提升，但仍需在更大、更多样化的样本群体中进行进一步验证，以确认其在更广泛的法医学或流行病学应用中的普适性。