每名患者都是不同的，即使是牙科材料的微小改进，也会对其治疗产生重大影响。然而，选择最佳产品以确保长期可靠结果可能需要耗时的试验和错误。
德克萨斯大学圣安东尼奥分校（UTSA）和圣安东尼奥德克萨斯大学健康科学中心（UT Health）的合作正在测试人工智能（AI）是否可以改变这一现状。
他们的研究发现于今年早些时候发表在《牙科研究杂志》上，代表了牙科科学和跨机构合作方面的系统性创新。
研究团队希望通过对不同机器学习模型的评估，为牙科材料的更快、更精准开发奠定基础，这些模型可以预测牙科复合材料的表现。复合材料是用于牙科手术（如龋齿填充或密封剂）的化学配方。
“这种工作不是孤立进行的。它需要工程学、牙科专业知识和数据科学的共同协作。”研究团队成员表示。
跨可比数据与人工智能
团队解决的一个挑战是不同牙科复合材料配方之间标准化数据的有限可用性。
Kyumin Whang博士表示：“尽管关于牙科复合材料的研究论文有数千篇，但绝大多数都集中在特定实验室条件下测试的新材料或专有材料。很少有研究能提供机器学习模型所需的跨可比数据。”
参与研究的UT Health San Antonio科学家包括Whang博士和Yu Shin Kim博士，他们与UTSA的Mario Flores博士合作，后者是电气与计算机工程及生物医学工程系的教授。
“我们不仅想识别最有效的材料，还想了解哪些配方能够实现预期结果。”Whang博士说道。
研究团队共同汇编了一个包含240种市售牙科复合材料的数据集，这些数据来自各类科学文献。
人工智能模型预测的实际影响
在数据就绪后，团队训练了机器学习模型，以预测哪些复合材料特性（如强度、粘度或收缩率）对临床成功最为重要。这些模型旨在预测材料在实际条件下对断裂的抵抗能力、流动性以及在患者口腔中的持久性。
Mario Flores博士表示：“我们采取了一种谨慎且基于统计的方法。如果你了解特性之间的相关性，就可以构建一个从模式中学习的模型。”
尽管数据集规模较小限制了模型的预测能力，但研究表明，如果提供更多标准化数据，人工智能确实可以成为有用的工具。
研究团队设想开发一个开放访问平台，研究人员和公司可以输入配方数据并获得预测性见解。有了足够的数据，人工智能模型可以显著加快定制复合材料的开发。
Whang博士表示：“一旦我们使这些模型更加准确，我们将能够设定所需的特性，人工智能模型将推荐匹配的配方。这将把可能的数千种组合缩小到几个有针对性的选项，大幅缩短从概念到临床应用的时间。”
合作如何带来改变
随着人工智能在生物医学研究中的相关性日益增强，跨学科合作将变得更加关键。
虽然UT Health San Antonio和UTSA有着长期的团队研究合作历史，但这两所世界级机构即将于今年秋季合并，将使此类合作更加顺畅并更具影响力。
Kim博士表示：“这种工作不是孤立进行的。它需要工程学、牙科专业知识和数据科学的共同协作。这是我们正在建设的协作环境类型。”
【全文结束】
