港大团队打造首个牙科AI医生：看X光片、识别病变、制定治疗方案样样精通

这项由香港大学牙医学院的郝晶教授领导的研究团队，联合深圳大学、香港科技大学(广州)、南方医科大学、新加坡科技设计大学、奥克兰大学、中国科学技术大学、北京大学等多所知名院校，于2024年11月在计算机视觉领域顶级会议发表了一篇重磅论文。这项研究首次开发出专门针对牙科诊断的多模态大语言模型OralGPT-Omni，标志着人工智能在牙科医疗领域迈出了革命性的一步。

回想一下你最近一次看牙医的经历。医生拿着你的口腔X光片，一边仔细观察，一边向你解释哪颗牙齿有问题，接着制定治疗计划。现在，香港大学的研究团队开发出了一个AI"牙医助手"，它不仅能像经验丰富的牙科医生一样看懂各种口腔影像，还能详细解释自己的诊断思路，甚至帮助制定治疗方案。

这个被称为OralGPT-Omni的AI系统就像一位全科牙医，能够处理从口腔照片到X光片、从病理切片到3D扫描等八种不同类型的牙科影像。更令人惊讶的是，它不仅能给出诊断结果，还会像真正的医生一样详细解释自己的判断过程，告诉你为什么认为某颗牙齿有蛀牙，或者为什么建议进行特定的治疗。

在全球范围内，牙科疾病影响着几乎每个人的生活质量。据世界卫生组织统计，全球约有35亿人受到口腔疾病困扰，而专业牙科医生却严重短缺，特别是在偏远地区。传统的AI医疗系统虽然在眼科、皮肤科等领域取得了进展，但牙科一直是个难啃的硬骨头。这主要因为牙科影像种类繁多，从简单的口腔照片到复杂的锥形束CT，每种影像都需要不同的专业知识来解读。

研究团队面临的第一个挑战就像为一位"学徒医生"准备教材。他们从31个公开数据集和一家香港牙科医院收集了海量的牙科资料，包含约321万个文本词汇、近6万张图像和90个视频。这些资料涵盖了从简单的牙齿计数到复杂的颌面部重建等各种诊疗场景。

但仅仅拥有大量数据还不够，就像医学生不能只是死记硬背教科书，还需要学会临床思维。研究团队创新性地设计了一套名为TRACE-CoT的"诊断思维训练法"。这套方法让AI学会像真正的放射科医生那样思考：首先仔细观察影像，然后提出可能的诊断假设，接着结合医学知识验证假设，最后得出有根据的诊断结论。

这种训练方法的巧妙之处在于，它让AI不仅知其然，还知其所以然。当AI诊断一个患者有牙周病时，它不会简单地抛出一个结论，而是会详细说明："我在牙龈边缘观察到红肿现象，结合患者的牙菌斑堆积情况，这符合典型的牙龈炎症状。根据炎症的程度和分布范围，我判断这是轻度牙周病的表现。"

为了训练这个AI牙医，研究团队采用了四个阶段的渐进式学习策略，就像培养一名医学生从基础知识学习到独立行医的过程。第一阶段让AI熟悉牙科理论知识，通过学习16本专业教科书掌握基础概念。第二阶段教AI认识不同的牙科影像，学会将医学术语与具体的视觉特征对应起来。第三阶段进行综合训练，让AI学会处理实际的诊疗问题。最后一个阶段使用强化学习优化AI的推理能力，确保它的诊断思路既合理又可靠。

在验证AI医生的能力时，研究团队不仅建立了全面的测试标准，还邀请了经验丰富的牙科医生对AI的表现进行评估。测试结果让人眼前一亮：OralGPT-Omni在综合测试中得分51.84分，远超目前最先进的GPT-5的15.42分。更令人印象深刻的是，在专门的全景X光分析测试中，它也取得了45.31分的优异成绩。

这些数字背后代表的是实实在在的临床应用价值。一位有着十多年临床经验的放射科医生在评估后表示，OralGPT-Omni的诊断准确性和推理过程都表现出了很高的专业水准，具备了在实际临床环境中辅助医生诊断的潜力。

研究团队还开发了名为MMOral-Uni的综合测试平台，这是全球首个专门用于评估牙科AI系统的统一标准。这个平台包含了2809个经过专业牙医验证的问答对，覆盖了五种不同的影像类型和五类诊疗任务，为未来牙科AI的发展提供了重要的评估工具。

值得一提的是，这项研究的意义远不止于技术突破。在当前医疗资源分布不均的情况下，AI牙医助手有望成为偏远地区民众获得专业牙科诊断的重要途径。患者只需要拍摄口腔照片或X光片，就能获得初步的专业诊断建议，这对于提高全球口腔健康水平具有重要意义。

当然，研究团队也坦承目前系统还存在一些局限性。比如在复杂的治疗计划制定方面，AI的表现还不如在诊断方面那么出色。这主要是因为治疗计划需要考虑更多的个体化因素，包括患者的整体健康状况、经济能力、治疗偏好等，这些都需要更多的临床经验积累。

展望未来，这项技术有望在多个层面改变牙科诊疗模式。对于患者而言，AI助手能够提供更详细、更易理解的诊断解释，帮助患者更好地了解自己的口腔健康状况。对于牙科医生来说，AI可以作为得力助手，提供第二意见，减少漏诊误诊的风险。对于医学教育而言，这种能够展示完整诊断思路的AI系统也可能成为培训医学生的重要工具。

研究团队表示，他们将把所有的代码、数据和模型公开发布，希望能够推动整个牙科AI领域的发展。这种开放合作的态度体现了科学研究的本质精神，也为全球研究者提供了宝贵的研究基础。

从技术角度来看，这项研究的创新不仅在于开发了专门的牙科AI系统，更在于解决了医疗AI领域的一个核心难题：如何让AI的诊断过程变得透明可解释。传统的AI系统往往被视为"黑盒子"，医生和患者都不知道它是如何得出诊断结论的。而OralGPT-Omni通过TRACE-CoT方法，让每一步诊断推理都有迹可循，这对于建立医患对AI系统的信任至关重要。

目前，全球多个国家都在加大对AI医疗的投入，希望通过技术创新缓解医疗资源紧张的问题。香港大学团队的这项研究无疑为这一努力贡献了重要力量，特别是在牙科这个长期被忽视的领域。随着技术的不断完善和临床验证的深入，我们有理由相信，AI牙医助手将在不久的将来走进更多的诊所和医院，为全球民众的口腔健康保驾护航。

这项研究也引发了人们对AI在医疗领域应用前景的更多思考。如果AI能够在牙科诊断方面取得如此突破，那么在其他医学专科是否也能实现类似的进展？随着多模态AI技术的不断发展，我们或许正在迎来一个全新的智能医疗时代。

Q&A

Q1：OralGPT-Omni能处理哪些类型的牙科影像？

A：OralGPT-Omni可以处理八种不同类型的牙科影像，包括口腔照片、全景X光片、根尖周X光片、头颅侧位片、病理切片、3D扫描图像、口腔治疗视频，以及图文结合的治疗计划资料。

Q2：这个AI牙医的诊断准确率如何？

A：在综合测试中，OralGPT-Omni得分51.84分，远超GPT-5的15.42分。在专门的全景X光分析测试中得分45.31分。经过十多年临床经验的放射科医生评估认为，其诊断准确性和推理过程都达到了很高的专业水准。

Q3：普通患者什么时候能用上这项技术？

A：研究团队已承诺将所有代码、数据和模型公开发布，为技术普及奠定基础。不过从研究成果到临床应用还需要经过严格的医疗器械审批和临床验证，预计还需要一段时间才能真正走进诊所为患者服务。