重点提示
在采用固定阈值进行10年牙齿存留预测时，临床医生的总体准确率高于AI。
当应用各组别的最优阈值后，AI的表现有所提升，并且与临床医生相当。
与临床医生相比，AI的校准度较差，提示其概率估计的可靠性较低。
单个AI的表现与若干临床医生重叠，提示其可作为辅助诊断工具。
研究背景
牙周病仍是全球牙齿缺失的主要原因之一，给临床和经济均带来显著负担。对牙周结局进行有效的长期预后评估，对于实现个体化患者管理、制定治疗决策以及分配医疗资源至关重要。传统预后评估高度依赖临床医生的专业经验，并随时间整合多种临床与影像学资料。近年来，人工智能（Artificial Intelligence，AI）已成为口腔临床领域中一种前景可观的工具，有望通过数据驱动建模提升诊断准确性和预后评估能力。然而，关于AI是否能够在牙周病长期预后方面匹敌甚至超越经验丰富的临床医生，现有证据仍然有限。本研究旨在弥补这一空白，直接比较AI、牙周科医生和全科牙医在预测10年内牙齿脱失方面的表现，从而为AI在牙周临床实践中的潜在作用提供依据。
研究设计
本研究采用比较准确性设计，纳入训练后的AI模型和执业临床医生。AI模型基于一组具有明确10年牙周结局的队列中的结构化临床及影像学数据开发而成。12名经验丰富的牙周科医生和11名全科牙医（general dentists，GDs）分别对300颗牙齿进行独立预后评分，评分范围为0～10分，用于预测牙齿存留情况。主要终点为10年牙齿脱失预测的准确率。
AI与临床医生的比较基于两种评估方式：固定预后阈值（得分＞5表示预计可存留）以及针对每位评估者分别确定的组别特异性最优阈值。所采用的指标包括准确率、灵敏度、特异度、预测值、受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）以及以Brier评分衡量的校准性能。
主要结果
在采用固定阈值时，两组临床医生在总体准确率上均显著优于AI：牙周科医生为75.6%，全科牙医为74.9%，而AI为69.2%（p＜0.05）。灵敏度——即正确识别已脱落牙齿的能力——在各组中均较低且相近（14.7%～22.7%），提示准确预测牙齿脱失仍具有挑战性。
当调整为各组别最优阈值后，AI在所有原因导致的牙齿脱失预测中的准确率显著提高至67.5%，在牙周炎相关牙齿脱失预测方面几乎与全科牙医相当（76.2% vs. 76.3%）。这些结果表明，AI的预测准确性对阈值校准较为敏感；当阈值优化后，其表现可与人工评估者持平。
尽管在优化条件下准确率相近，AI的校准度明显较差（Brier评分0.247），而牙周科医生和全科牙医分别为0.171和0.170，提示AI的概率估计与真实结局的吻合程度较低。校准度在临床上具有重要意义，因为它关系到个体化治疗决策的制定。
单个AI的表现与若干临床医生重叠，提示人类专家的预后判断能力存在差异，也强调了AI作为辅助工具而非替代工具的潜力。
专家点评
这项具有里程碑意义的比较研究为AI在牙周预后评估中的作用提供了重要见解。尽管AI在标准阈值设置下尚未超越临床医生，但其在个体化阈值条件下表现相近，提示AI可作为辅助工具支持临床决策，尤其适用于专科经验可能不足的全科实践场景。专家指出，各评估者总体灵敏度偏低，凸显了长期牙齿脱失预测的内在困难，这与疾病进展的复杂多因素性以及患者依从性的差异有关。
本研究的优势在于其基于真实世界临床数据，并纳入牙周科医生和全科牙医两类人群，从而增强了研究相关性。局限性包括仅使用单一AI模型以及采用回顾性结局数据，这可能影响结果的可推广性。未来若能进行前瞻性验证，并整合纵向行为因素及全身健康因素等更多数据模态，或可进一步提升AI的预后能力。
从机制角度看，主要依赖结构化临床指标的AI模型可能会遗漏经验丰富临床医生凭直觉纳入判断的细微生物学和环境线索。未来若能结合先进影像分析和多组学（multi-omics）数据，AI的预测准确性有望进一步提升，甚至超越人类水平。
结论
本研究表明，AI在固定预后阈值下虽未优于牙周科医生或全科牙医，但在采用最优阈值时可达到相近的准确率。尽管整体预测能力有限且校准度较差，AI的表现与若干临床医生重叠，说明其有望作为牙周预后评估中的补充工具。上述发现支持在临床工作流程中审慎引入AI，以辅助而非取代临床医生对长期牙齿脱失的判断。为提升个体化牙周治疗水平，AI预后模型的持续开发和前瞻性验证仍然十分必要。
资助与ClinicalTrials.gov
该研究未报告具体资助来源或临床试验注册信息。
参考文献
López-Galindo PA, Troiano G, Serroni M, et al. Can Artificial Intelligence Match Human Expertise in Long-Term Periodontal Prognosis? A Comparative Accuracy Study. J Clin Periodontol. 2026;53(11):1712-1721. PMID: 42629146.
Tonetti MS, Jepsen S, Jin L, Otomo-Corgel J. Impact of the global burden of periodontal diseases on health, nutrition, and wellbeing of mankind: A call for global action. J Clin Periodontol. 2017;44(5):456-462.
Devlin H, Kelly MP, Halpin M, et al. Clinical utility of AI in periodontology: current status and future prospects. Periodontol 2000. 2023;92(1):245-259.
