近日，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教授团队在《自然》合作期刊《数字医学》在线发表研究论文。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牙周炎的诊断能力，这一智能筛查系统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迭代开发出 HC-Net+ 深度学习模型。这是首个面向临床全景片开发并经多中心、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，得益于上海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。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。

该成果是上海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》《医学影像分析》等国际高水平期刊上联合发表多篇论文，体现 " 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上海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。