Page 33 - 南京医科大学自然版

第45卷第12期 赵 鹃，刘雯丽，祝非凡，等. 人工智能在口腔种植修复中的研究进展、应用与挑战［J］.
2025年12月 南京医科大学学报（自然科学版），2025，45（12）：1709-1718 ·1715 ·

箱”问题，模型泛化能力不足，缺乏大规模临床验 intelligence in dental implant［J］. Chinese Journalof
证，医师对 AI 认知水平差异，AI 软件及技术的低普 Prosthodontics，2022，23（2）：81-85
及率，信息安全，伦理问题等。AI 也尚未具备人脑 ［6］ 郑懿诺，孙沐毅，张虹云，等. 深度学习在口腔种植影像
的综合分析和信息关联的能力，可以作为临床决策 学中的应用：研究进展与挑战［J］. 数据与计算发展前
沿（中英文），2024，6（3）：41-49
的辅助，但仍需要人工主导综合判断。在人与人互
ZHENG Y N，SUN M Y，ZHANG H Y，et al. Application
动，特别是医患交流方面，计算机语言仍难以完全
of deep learning in dental implant imaging：research
替代人类语言。
progress and challenges［J］. Frontiers of Data & Computing，
因此，为了适应口腔种植修复领域的发展，
2024，6（3）：41-49
AI 应从数据端探索数据融合和增强策略，从算法端 ［7］ YING S N，HUANG F，LIU W，et al. Deep learning in the
探索半监督/弱监督/无监督学习框架，研发少标注/ overall process of implant prosthodontics ：a state⁃of⁃the⁃
无标注大数据学习模型，利用数据脱敏、不可逆信 art review［J］. Clin Implant Dent Relat Res，2024，26（5）：
息转化等技术，实现数据安全及患者隐私保护，开 835-846
展前瞻性多中心研究进行模型训练，提高准确度。 ［8］ LIU C H，LIN C J，HU Y H，et al. Predicting the failure of
未来，随着电子健康记录和多模态大数据的发展， dental implants using supervised learning techniques［J］.
多模态数据拟合和多学科融合度将成为提升 AI 应 Appl Sci，2018，8（5）：698
［9］ LYAKHOV P A，DOLGALEV A A，LYAKHOVA U A，et
用效果的重要方向。通过 AI 实现跨模态对齐多模
al. Neural network system for analyzing statistical factors
态数据，域适用及域泛化跨越学科间的壁垒，整合
of patients for predicting the survival of dental implants
多模态数据（影像学、口扫、面扫、口颌系统动静态
［J］. Front Neuroinform，2022，16：1067040
数据、基因组学、生物标志物等），生成更全面的患
［10］PAPANTONOPOULOS G，GOGOS C，HOUSOS E，et al.
者画像，构建全方位的虚拟患者，基于口腔全局观 Prediction of individual implant bone levels and the
及多学科合作，优化诊断和临床决策，模拟和预测 existence of implant“phenotypes”［J］. Clin Oral Implants
治疗效果，从而使治疗方案更科学合理，实现个性 Res，2017，28（7）：823-832
化医疗和精准治疗，提高诊疗效率，推动整个口腔 ［11］HUANG N N，LIU P，YAN Y L，et al. Predicting the risk
医学领域向更高水平发展。 of dental implant loss using deep learning［J］. J Clin
Periodontol，2022，49（9）：872-883
［参考文献］
［12］ MAHRI M，SHEN N，BERRIZBEITIA F，et al. Osseointe⁃
［1］ STOUMPOS A I，KITSIOS F，TALIAS M A. Digital trans⁃ gration pharmacology：a systematic mapping using artifi⁃
formation in healthcare：technology acceptance and its cial intelligence［J］. Acta Biomater，2021，119：284-302
applications［J］. Int J Environ Res Public Health，2023， ［13］ CHOI H R，SIADARI T S，KIM J E，et al. Automatic
20（4）：3407 detection of teeth and dental treatment patterns on dental
［2］ ALHARBI M T，ALMUTIQ M M. Prediction of dental panoramic radiographs using deep neural networks［J］.
implants using machine learning algorithms［J］. J Healthc Forensic Sci Res，2022，7（3）：456-466
Eng，2022，2022：7307675 ［14］XU M M，WU Y J，XU Z N，et al. Robust automated teeth
［3］ VASHISHT R，SHARMA A，KIRAN T，et al. Artificial identification from dental radiographs using deep learning
intelligence in dentistry ⁃ a scoping review［J］. J Oral ［J］. J Dent，2023，136：104607
Maxillofac Surg Med Pathol，2024，36（4）：579-592 ［15］ LI W，WANG Y J，LIU Y. DMAF ⁃ Net：deformable
［4］ 朱可石，廖安琪，余优成. 机器学习在口腔种植学中的 multi ⁃ scale adaptive fusion network for dental structure
应用研究进展［J］. 国际口腔医学杂志，2023，50（4）： detection with panoramic radiographs［J］. Dentomaxillofac
491-498 Radiol，2024，53（5）：296-307
ZHU K S，LIAO A Q，YU Y C. Research progress on ［16］JANG T J，KIM K C，CHO H C，et al. A fully automated
the application of machine learning in dental implantolo⁃ method for 3D individual tooth identification and segmen⁃
gy［J］. International Journal of Stomatology，2023，50（4）： tation in dental CBCT［J］. IEEE Trans Pattern Anal Mach
491-498 Intell，2022，44（10）：6562-6568
［5］ 王俊成，时 权，刘洪臣. AI 在口腔种植中的应用［J］. ［17］ CUI Z M，FANG Y，MEI L，et al. A fully automatic AI
口腔颌面修复学杂志，2022，23（2）：81-85 system for tooth and alveolar bone segmentation from
WANG J C，SHI Q，LIU H C. Application of artificial cone⁃beam CT images［J］. Nat Commun，2022，13（1）：