人工智能（AI）时代的口腔医学决策变革：机遇、挑战与循证实践新范式

《Evidence-Based Dentistry》：Are we entering a new era of artificial intelligence (AI)-supported decision-making in dentistry?

　　本文探讨AI技术如何重塑循证牙医学（EBD）的决策模式。研究指出AI可作为证据获取的加速器，但需警惕其掩盖不确定性的风险。作者提出应从数据来源、标注流程及临床验证等维度评估AI系统，并通过对比试验明确AI辅助诊疗的价值权衡。该研究为口腔医学AI应用的伦理框架和评估标准提供了重要指引。

　　

随着人工智能技术席卷医疗领域，口腔医学正面临决策模式的深刻变革。当前AI系统虽能快速生成流畅的临床建议，却常常掩盖证据的不确定性——这本是循证牙医学（Evidence-Based Dentistry, EBD）的核心要素。更值得关注的是，当患者带着AI生成的诊疗方案就诊时，医患关系已从二元对话转变为患者-医生-AI的三方互动。这种转变引发了一系列关键问题：如何避免对AI输出的过度信任？如何确保AI系统反映多元患者价值观？又该如何在技术创新中坚守医学伦理底线？

为厘清上述问题，研究团队通过文献综述与伦理分析框架，系统探讨了AI在口腔医学领域的应用边界。方法学上重点采用比较研究设计（如AI辅助诊疗与常规护理的对比试验），并引入技术评估模型对大型语言模型（LLM）、影像诊断AI及机器人手术系统（如Yomi种植导航系统）进行多维度考察。同时强调对训练数据人口学分布、标注流程透明度的追溯，以及针对特定患者群体的外部验证。

AI作为证据加速器的双重性

研究指出AI本质上是证据获取的加速工具而非价值判断主体。通过分析LLM的输出特征，发现其常将有限证据包装为确定性结论，这种"确定性幻觉"可能削弱临床工作者对证据不确定性的认知。而EBD的核心正是系统评估证据质量并明确置信区间，因此需要建立AI输出信息的透明度标准。

患者价值观的协同建构新范式

当AI持续参与患者健康管理时，其积累的行为数据可能比临床医生更早捕捉到患者的偏好变化。这要求诊疗流程增设"AI信息史"采集环节，通过解析AI与患者的交互记录，将机器感知的偏好数据转化为医患共享决策的素材。例如针对餐饮从业者可能更重视美学效果而非修复体寿命的价值观差异，AI可帮助量化不同选择的价值权衡。

物理AI系统的临床验证挑战

针对影像诊断AI（如龋齿检测、骨丧失量化系统）和手术机器人（如Yomi种植导航系统），研究强调参考标准（ground truth）的可溯源性缺失是普遍隐患。商业系统往往未公开训练数据的疾病分布与人口学特征，且标注流程存在主观偏差。作者提出"类似患者"（patients like mine）的外部验证概念，要求AI系统在特定人群中进行效果验证。

伦理锚点的坚守与拓展

面对技术革新，研究重申患者最佳利益原则仍是不可动摇的伦理基石。通过构建"比较价值"（compared with what）评估框架，主张AI评估应包含显性价值权衡（如过度治疗风险与可及性收益的平衡）。同时提出创新假设：搭载传感器的物理AI系统可能量化专家医生的默会知识（tacit skills），为EBD框架下的专家决策模式提供新解读。

本研究最终确立AI评估能力应成为EBD培训的核心组成部分。口腔医学工作者需掌握解析AI数据溯源、识别结构性偏差（如不同人群疾病轨迹差异）的方法论，并通过比较效果研究（如AI增强诊疗与常规护理的随机对照试验）持续优化技术应用路径。这项研究为构建负责任的口腔医学AI生态提供了理论基石与实践指南，推动行业在技术浪潮中始终锚定循证本质与伦理追求。