手机拍六张就出菌斑报告：PlaqueSAM在567名学龄前儿童上完成建模

香港大学牙医学院发布 PlaqueSAM：手机拍六张口内照片出菌斑报告，让儿童口腔筛查走出诊室

影响分析 × 医院信息化/临床医生 ｜ 事实报道 × AI技术供应商/创业者 ｜ 产品发布

开场：龋齿与牙龈炎的根因是菌斑，而日常清洁常漏掉某些区域

牙菌斑 (dental plaque) 是龋齿 (dental caries) 与牙龈炎 (gingivitis) 等常见口腔疾病的主要病因，儿童属于其中的易感人群。清除菌斑是预防这类疾病的关键环节，但在日常刷牙中，某些区域的菌斑往往被漏掉，想长期稳定地做到早发现、早清除并不容易。儿童群体之所以被单独拿出来讨论，一方面是因为乳牙列的解剖结构与清洁习惯使得隐蔽部位更容易残留，另一方面是因为低龄人群的配合度与自我管理能力有限，清洁效果高度依赖照护者。对儿科患者而言，菌斑相关口腔疾病的预防至今仍是一项全球性挑战。

研究团队给出的切入点是，把口内的菌斑从看不见变成看得见。一种能够可视化乳牙表面菌斑堆积情况的常规监测工具，可以让家长主动追踪孩子的口腔健康状况，从而为龋齿与牙周疾病 (periodontal diseases) 的预防和干预争取时间。这正是自动菌斑检测系统 PlaqueSAM 被提出的出发点。

相关论文于 2026年 10 月 11 日上线于期刊《npj Digital Medicine》，研究团队来自香港大学牙医学院。

怎么用：对齐辅助框加六张口内照片，输出带可视化参照的报告

PlaqueSAM 的使用流程被尽量设计成贴近普通家庭的日常操作。使用者用手机拍摄口内照片，拍摄过程借助对齐辅助框 (alignment overlays) 完成，以保证六张照片在取景位置与角度上具备可比性。用户上传这六张在辅助框下拍摄的口内照片后，系统即可生成一份带有可视化参照的完整菌斑检测报告。

也就是说，输入端是手机与六张照片，不需要牙科专业人员操作时常用的菌斑显示剂 (disclosing agents)，也不需要塑料开口器 (plastic retractors)。输出端则是一份可以对照查看的报告，而不是一个孤立的判定结果。报告中的可视化参照，让家长能够把模型标记的位置与照片上的实际牙面一一对应起来，这也是这套系统面向非专业使用者的关键设计。

数据底座：3402张照片来自11所幼儿园的567名学龄前儿童

模型的开发建立在前瞻性采集 (prospectively collected) 的数据之上。训练与建模共使用 3402张口内照片，这些照片来自香港 11所幼儿园的 567名学龄前儿童。采集对象被限定在学龄前阶段，与系统面向的目标使用场景保持一致。前瞻性采集意味着照片是围绕研究目的按统一方案获取的，而非从既有资料中回捞，这使得图像在拍摄部位、光照环境与图像质量上具备统一基线，也为后续的标注与训练提供了可核查的前提。11所幼儿园的分布，则让这批数据不至于集中单一机构的操作习惯。

在训练方法上，团队采用了基于多任务学习 (multi-task learning) 范式的三阶段训练策略。多任务学习的作用在于让模型在同一套参数下兼顾多个彼此相关的目标，从而在菌斑区域的识别与边界划分上相互支撑；三阶段的分步推进，则是为了让各阶段的目标依次收敛。数据与训练策略共同构成了 PlaqueSAM 的底座。

定量表现：81名儿童上敏感度76.58%、特异度82.47%、准确率79.60%

PlaqueSAM 的定量评估在 81名儿童上完成。在这一评估集上，系统的敏感度 (sensitivity) 为 76.58%，特异度 (specificity) 为 82.47%，准确率 (accuracy) 为 79.60%。三个指标共同描述了这套系统在儿童口内照片上的性能基线。敏感度衡量的是真实存在的菌斑被正确找出的比例，特异度衡量的是无菌斑区域被正确排除的比例，准确率则是全部判断中正确部分所占的比例。

从指标结构看，特异度高于敏感度，说明系统对无菌斑区域的判断相对更稳，而真实存在菌斑的区域被漏掉的风险则更值得关注。对于以筛查为定位的工具而言，这意味着它更适合用于提示可能存在问题的部位，而不是对单次结果给出终局判断。把三项指标放在一起看，八成左右的整体准确率是一个可交代的起点，同时也留有进一步改进的空间。

冷静观察：八成准确率与家庭自采场景之间隔着一个使用者操作变量

真正决定这套系统价值的，不只是论文里的三个数字。79.60% 的准确率描述的是研究条件下模型在 81名儿童上的表现，而在家庭自采场景与这一数字之间，还隔着一个使用者操作变量：拍照的人是熟悉辅助框、能够反复调整取景的操作者，还是在家里第一次给孩子拍照的家长，直接决定了对齐质量、对焦清晰度与光照条件，进而影响图像分割的结果。

作者对此给出了明确提示：家庭场景下的真实使用仍需在使用者自行操作的条件下进一步验证。这一提示在论文中并未被包装成结论，而是被列为前置条件。

同时，79.60% 的准确率不应被解读为 PlaqueSAM 可以替代专业口腔检查。以现有指标衡量，它更适合被定位为一种让家长追踪孩子日常菌斑堆积与清洁情况的监测手段，其意义在于降低远程牙科 (teledentistry) 的门槛，让儿童口腔健康的追踪以更远程、更便捷、更低成本的方式发生。论文的表述是，若未来完成真实场景验证，PlaqueSAM 有望支持对儿童日常菌斑堆积与清洁情况的动态监测，从而推动远程牙科的发展并促进儿童口腔健康。

对医院信息化与临床医生一侧而言，这套系统提供的是一种可能在诊室之外产生数据的新入口，其可用性取决于家庭端数据的质量；对 AI 技术供应商与创业者而言，它则展示了一条把图像分割能力落地为具体消费级流程的路径，而这条路径能否走通，仍要看使用者自行操作条件下的验证结果。

原文链接：npj Digital Medicine

千方医数集编辑部 出品