阿特尼奥智能视觉环境实验室（Ateneo Laboratory for Intelligent Visual Environments, ALIVE）和国际研究人员开发了一种深度学习模型，旨在彻底改变牙科领域。该模型能够以98.2%的准确率识别牙齿和鼻窦结构。
利用一种先进的目标检测算法，该系统专门训练用于快速且更准确地检测齿源性鼻窦炎——一种常被误诊为普通鼻窦炎的疾病，如果未得到及时治疗，可能会导致面部、眼睛甚至大脑感染。
齿源性鼻窦炎由上颌牙齿感染或并发症引起，其症状包括鼻塞、恶臭的鼻分泌物和偶尔的牙痛，这些症状几乎与普通鼻窦炎相同。更糟糕的是，只有大约三分之一的患者会出现明显的牙痛，这意味着全科医生常常忽视这种病症。传统诊断需要牙医和耳鼻喉科医生的合作，这往往导致治疗延迟。
通过在牙科全景放射图像（DPR）上训练深度学习模型，研究人员找到了一种以前所未有的准确度检测关键解剖关系的方法，例如牙齿根部与鼻窦的接近程度。该研究使用了YOLO 11n深度学习模型，实现了令人印象深刻的98.2%的准确率，超过了传统检测方法。
YOLO（You Only Look Once）是一种最先进的目标检测算法，以其速度和准确性而闻名。YOLO 11n模型是其改进版本，针对医学成像任务进行了优化，能够在单次扫描中高精度地识别牙齿和鼻窦结构。与传统的诊断方法不同，后者需要多个步骤和专家解释，YOLO 11n能够实时快速定位受影响区域，成为牙科专业人士的宝贵工具。
除了准确性，这种基于AI的方法还提供了实际的好处。它通过减少CT扫描的需求，减少了患者的辐射暴露，目前CT扫描是诊断齿源性鼻窦炎的金标准。它还提供了一种成本效益高的筛查工具，特别是在资源有限的地区，高级成像技术可能不可用。通过早期标记潜在病例，该系统允许及时干预，防止并发症并减轻医疗保健提供者的负担。
这一突破突显了AI在医学诊断中的日益重要作用，弥补了仅靠人类专业知识可能不足的差距。经过进一步验证，这项技术可能成为牙科和耳鼻喉科诊所的标准工具，确保更多患者能够及时获得准确诊断。
参考文献：
Wu, P.-Y.; Lin, Y.-J.; Chang, Y.-J.; Wei, S.-T.; Chen, C.-A.; Li, K.-C.; Tu, W.-C.; Abu, P.A.R. Deep Learning-Assisted Diagnostic System: Apices and Odontogenic Sinus Floor Level Analysis in Dental Panoramic Radiographs. Bioengineering 2025, 12, 134.
(全文结束)
