AI预测颅面与下颌生长的系统综述：12项研究

Clinical oral investigations · 2026-10-05 · 系统综述

• 一句话结论：该系统综述提示，基于人工智能的颅面与下颌生长预测模型展现出一定预测性能，但现有证据不足以确立其优于传统统计方法，作者明确表示当前证据不支持常规临床使用。
• 研究设计与做法：设计为系统综述，检索9个数据库至2026年8月12日并辅以手工检索，纳入评估AI模型预测颅面或下颌生长的人体研究，共纳入12项研究，其中6项评估整体颅面生长、6项评估下颌发育。
• 主要结果：预测时间跨度从≤1.5年至约10年，样本量33至639人；预测准确性随解剖区域与方法学途径而异；7项研究总体偏倚风险高、5项不明确，主要源于分析局限与验证不足。
• 机制或解释：作者解释称，性别与错𬌗类型常用于定义研究人群但未被一致纳入为预测因子，种族与骨龄成熟度很少被考虑；研究人群与数据集、预测跨度、结局定义及AI建模方法存在较大异质性。
• 局限与边界：局限包括总体偏倚风险高或不明确、异质性大、缺乏独立外部验证；作者提出需标准化多中心数据集与独立外部验证后方可临床实施。
• 可否落地：落地含义：AI生长预测或可辅助个体化正畸诊断与治疗时机选择，但按作者结论，当前证据档位为「不足以下结论」支持常规临床应用，尚需高质量外部验证研究。

🔗 打开原文

Polizzi A, Martina S, La Rosa S 等

本文摘自《每日前沿研究简报 · 2026-10-07》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。