基于半自动与3D U-Net自动CBCT分割的再生性牙髓治疗后体积变化评估：一项回顾性队列研究

　　本研究针对再生性牙髓治疗（REPs）后牙髓及根结构体积变化评估缺乏标准化方法的问题，开展了基于CBCT影像的半自动与深度学习自动分割对比研究。结果表明REPs在成熟牙中显著减少牙髓体积（-4.86 mm3 vs. -1.34 mm3, p=0.05），且3D UNet模型与半自动方法具有优异一致性（ICC=0.92）。该研究为REPs疗效评估提供了高效可靠的量化工具，对推动再生牙髓学的精准医疗发展具有重要意义。

　　

在牙髓病学领域，再生性牙髓治疗（Regenerative Endodontic Procedures, REPs）已成为治疗坏死性未成熟恒牙的常规方法，近年来更被推广应用于成熟恒牙的治疗。然而这种治疗方法的成功率评估一直面临重大挑战。传统采用二维X线片评估根管发育情况的方法存在明显局限：图像失真、标志点识别困难以及测量误差较大，导致结果缺乏可重复性。特别是对于正在生长发育的年轻患者，这些限制更为突出。尽管美国牙髓病协会（AAE）建议使用锥形束计算机断层扫描（CBCT）来提高评估精度，但手动分割牙髓腔耗时耗力，且半自动分割在狭窄根管空间中可能因阈值设置问题导致不准确。

更复杂的是，REPs后的组织反应存在很大不确定性。研究显示仅有27%的病例能达到根管尺寸20%变化的临床意义阈值，而不规则的根管钙化更是常见现象，甚至出现在治疗失败的病例中。这种不可预测性使得临床医生难以确定最佳干预时机，也阻碍了研究人员对再生机制的理解和治疗方案的优化。

为解决这些难题，Alexandria大学的研究团队开展了一项创新性研究，通过结合半自动CBCT分割和深度学习技术，对REPs后的体积变化进行精准量化分析。他们比较了再生治疗牙与对侧健康牙（作为生理变化的对照）在12个月期间的差异，并验证了基于3D UNET的自动分割模型在牙髓体积评估中的可靠性。这项研究最近发表在《BMC Oral Health》期刊上，为再生牙髓治疗的疗效评估提供了新的技术手段和研究范式。

研究团队采用了多项关键技术：利用ITK-SNAP和3D Slicer CMF软件进行半自动分割和三维模型重建；采用来自公开数据集ToothFairy的400个CBCT扫描样本（约5600颗成熟牙）训练POSPADUNET模型；通过类内相关系数（ICC）和Bland-Altman图评估自动与半自动方法的一致性；使用配对和非参数检验比较REPs组与对照组的各项指标差异。研究对象为23颗接受REPs治疗的上前牙（8颗成熟牙和15颗未成熟牙）及其对侧健康对照牙，所有病例均来自Alexandria大学 Dentistry学院2018-2022年的医疗记录。

研究结果

根体积和牙本质壁变化

研究发现，REPs组和对照组的根体积变化在成熟牙（7.40 mm3 vs. 9.65 mm3）和未成熟牙（11.90 mm3 vs. 13.70 mm3）中均无显著差异（p=0.48和p=0.78）。同样，牙本质壁的变化在两组间也无统计学意义。这表明REPs虽然促进了硬组织形成，但与健康牙的生理性牙本质沉积速率相当。

根管内钙化模式

虽然成熟牙和未成熟牙的根管内钙化体积无显著差异（p=0.68），但钙化模式存在明显区别。成熟REPs牙倾向于在根尖上方4.34mm处形成规则的钙化桥，而未成熟REPs牙主要表现为不规则的根管内钙化，仅5例出现钙化桥，平均距根尖4.95mm。这种差异可能与牙髓坏死病因（主要是外伤）以及牙根发育状态有关。

根长度变化

成熟REPs牙的根长度变化极小（0.03mm），与对照组（0.10mm）无显著差异（p=0.26）。未成熟REPs牙的根长度增加（0.33mm）高于对照组（0.19mm），但也不具统计学意义（p=0.53）。值得注意的是，未成熟REPs牙的根长度增加显著高于成熟REPs牙（p=0.04），反映了年轻患者牙根的自然生长发育潜力。

牙髓体积变化

这是本研究最重要的发现之一。成熟REPs牙的牙髓体积减少明显（-4.86 mm3），显著高于对照组（-1.34 mm3）（p=0.05）。而未成熟REPs牙的牙髓体积变化（-3.20 mm3）反而小于对照组（-6.44 mm3）（p=0.12）。对照组中，未成熟牙的牙髓体积减少显著大于成熟牙（p<0.001），这可能反映了年轻恒牙自然发育过程中的牙本质持续沉积。

自动分割模型验证

3D UNet模型在半自动分割结果上表现出高度一致性（ICC=0.92, p<0.001）。Bland-Altman图显示两种方法在测量牙髓体积变化时具有良好的一致性，偏差为-0.35-0.09 mm3。更重要的是，自动分割耗时极短（19.58±5.28秒），远少于半自动分割（21.0±2.09分钟）（p<0.001），展现了其在临床应用中提高效率的巨大潜力。

研究结论与意义

本研究通过精确的三维量化分析，揭示了REPs后组织再生的复杂模式。研究发现REPs在根体积和牙本质壁变化方面与健康对照牙相当，但在牙髓空间变化方面存在显著差异：成熟牙表现出更明显的牙髓体积减少，可能反映了招募的祖细胞更倾向于向成牙骨质/成骨方向分化；而未成熟牙则可能保留了牙乳头干细胞，形成更接近生理状态的"牙本质/牙髓样组织"。

研究的另一重要贡献是开发并验证了基于深度学习的自动牙髓分割模型。该模型不仅与半自动方法高度一致，而且将分割时间从分钟级缩短至秒级，为临床医生提供了一种快速、客观的评估工具。这种自动化工具有望集成到现有的CBCT软件中，实现近实时评估，从而帮助医生及时发现不良结果（如快速进展的根管钙化），制定合理的再治疗决策，并优化最终修复体的时机选择。

尽管本研究存在样本量有限、回顾性设计以及未成熟牙CBCT参数不一致等限制，但它为REPs的疗效评估建立了新的技术标准。未来需要更大规模的前瞻性研究来验证这些发现在不同患者群体和REPs协议中的普适性，并将影像学结果与临床指标、组织学发现相结合，深入理解再生牙髓组织的生物学特性。

这项研究的最终意义在于推动再生牙髓学向精准医疗方向发展，通过客观量化的评估方法提高治疗成功率，降低医疗成本，并为制定标准化治疗指南提供科学依据。随着深度学习技术的不断改进和更大数据集的建立，自动化的三维影像分析有望成为牙髓病学临床实践和研究中不可或缺的工具。