11月19日，上海交通大学医学院附属第九人民医院口腔颅面及感官综合健康研究院、牙周种植创新中心托内特（Maurizio S. Tonetti）教授团队，于《自然》合作期刊《数字医学》在线发表题为“一种新型AI影像学分析方法检测II–IV期牙周炎的能力优于专科医生：一项多中心诊断研究”的研究论文。该研究系统评估了基于口腔全景片的深度学习模型HC-Net+在真实多中心临床场景中对II–IV期牙周炎的诊断能力，HC-Net+在多中心临床验证中展现出94.2%的诊断准确率，不仅显著优于牙周专科医生，更能辅助初级口腔医生达到专科医生诊断水平。

牙周炎作为全球高发的慢性口腔疾病，被称为“牙齿的隐形杀手”，早期症状隐匿，晚期可能导致牙齿松动脱落，严重影响居民口腔健康，是全球重要的公共卫生问题。目前临床常用的牙周探诊检查具有侵入性、耗时久且依赖医生经验的特点，而广泛使用的口腔全景片则存在肉眼识别早期骨吸收难度大、设备差异影响诊断一致性等问题，难以满足大规模人群筛查需求。

为破解上述难点，托内特教授团队与合作团队在前期模型HC-Net的基础上，迭代开发出HC-Net+深度学习模型。该模型基于涵盖多中心的10,881例全景片数据进行预训练与优化，并分别在两类外部数据中完成验证：一类以临床牙周检查作为金标准，另一类则基于国际专家组的影像学共识，此举更贴合真实临床中大量全景片缺乏临床检查的实际情况。HC-Net+通过融合局部病灶识别与整体图像理解，有效模拟临床诊断路径，显著提升了模型的泛化性能与跨机构适应力，是首个面向临床全景片开发并经过多中心、多标准验证的牙周炎诊断AI模型。此次国际多中心研究的顺利开展，得益于附属九院与意大利罗马大学共建的“口腔生物医学与智能技术国际合作框架（ORAL-BIT）”提供的重要平台支撑。

本研究为牙周炎筛查提供了一种高效、精准且易于推广的新工具。研究团队介绍，HC-Net+的核心优势是“高效、精准且易推广”——它无需基层机构追加设备投资，仅通过现有全景片就能提供高质量的牙周炎筛查服务，有效降低了诊疗门槛与患者不适感。这使其在社区中心及偏远地区的普及应用成为可能，为有效缓解优质口腔医疗资源分布不均的难题提供了可行的技术路径。研究团队表示，后续将继续深耕牙周疾病诊断领域，推动筛查工作向高效化、普及化与精准化迈进。

据悉，该成果是附属九院医工交叉领域的又一重要突破。托内特教授团队与上海科技大学工科团队长期合作，已在《细胞报告医学》（Cell Reports Medicine）、《医学影像分析》（Medical Image Analysis）等国际高水平期刊上联合发表多篇论文，体现了“临床驱动、工科支撑”这一创新模式的活力与价值。

本研究共同第一作者为附属九院牙周种植创新中心主治医师李元、上海科技大学助理教授崔智铭、博士研究生梅兰竹菊及附属九院牙周种植创新中心博士研究生谢雨；托内特教授与上海科技大学沈定刚教授为通讯作者。研究得到国家自然科学基金、欧洲牙周病学研究组等机构的资助支持。