上海九院研發牙周炎智能篩查系統，AI診斷準確率達94.2%

近日，上海交通大學醫學院附屬第九人民醫院口腔顱面及感官綜合健康研究院、牙周種植創新中心託內特教授團隊在《自然》合作期刊《數字醫學》在線發表研究論文。該研究系統評估了基於口腔全景片的深度學習模型HC-Net+在真實多中心臨牀場景中對牙周炎的診斷能力，這一智能篩查系統在多中心臨牀驗證中展現出94.2%的診斷準確率，不僅顯著優於牙周專科醫生，更能輔助初級口腔醫生達到專科醫生診斷水平。

牙周炎作爲全球高發的慢性口腔疾病，被稱爲“牙齒的隱形殺手”，早期症狀隱匿，晚期可能導致牙齒鬆動、脫落，嚴重影響居民口腔健康，是全球重要的公共衛生問題。目前，臨牀常用的牙周探診檢查具有侵入性、耗時久且依賴醫生經驗的特點，而廣泛使用的口腔全景片存在肉眼識別早期骨吸收難度大、設備差異影響診斷一致性等問題，難以滿足大規模人羣篩查需求。

爲破解上述難點，託內特教授團隊與合作團隊迭代開發出HC-Net+深度學習模型。這是首個面向臨牀全景片開發並經多中心、多標準驗證的牙周炎診斷AI模型。

此次國際多中心研究的順利開展，得益於上海九院與意大利羅馬大學共建的“口腔生物醫學與智能技術國際合作框架（ORAL-BIT）”提供的重要平臺支撐。

本研究爲牙周炎篩查提供了一種高效、精準且易於推廣的新工具。研究團隊介紹，HC-Net+的核心優勢是高效、精準且易推廣，它無需基層機構追加設備投資，僅通過現有全景片就能提供高質量的牙周炎篩查服務，有效降低診療門檻與患者不適感。這使其在社區中心及偏遠地區的普及應用成爲可能。研究團隊表示，後續將繼續深耕牙周疾病診斷領域，推動篩查工作向高效化、普及化與精準化邁進。

該成果是上海九院醫工交叉領域的又一重要突破。託內特教授團隊與上海科技大學工科團隊長期合作，已在《細胞報告醫學》《醫學影像分析》等國際高水平期刊上聯合發表多篇論文，體現“臨牀驅動、工科支撐”這一創新模式的活力與價值。

本研究共同第一作者爲上海九院牙周種植創新中心主治醫師李元、上海科技大學助理教授崔智銘、博士研究生梅蘭竹菊及九院牙周種植創新中心博士研究生謝雨。託內特教授與上海科技大學沈定剛教授爲通訊作者。