大数据在口腔医学中的应用研究进展.pdf

198 中华老年口腔医学杂志 2023 年 7 月第 21 卷第 4 期 Chin J Geriatr Dent,July,2023,VOI.21.NO.4 大数据在口腔医学中的应用研究进展*黄东宗，毕成，李鸿波，刘洪臣，姜华 摘要 随着移动互联网和数字化技术的发展,大数据在口腔医学中的应用越来越广泛。口腔数字化的发展，相关的公共数据库以及口腔各专科专病数据库为口腔大数据分析应用提供了数据来源和基础。大数据预处理和高效的数据存储是大数据分析的前提，但是目前多中心的口腔医疗数据的收集、存储、共享等方面无统一的行业标准和质量控制。需要建立统一标准的数据库和数据管理系统。利用人工智能和云计算等技术的大数据分析已逐步运用于口腔流行病学调查、临床辅助决策系统、风险预测预警和口腔医学教育等方面。本文综述了口腔大数据采集、预处理、存储和分析应用的相关进展。深入了解了数据库技术和大数据挖掘在口腔医学应用的现状和前景，并简要介绍了当前面临的挑战。大数据技术为推动智慧口腔医疗的发展提供了有力的支持，对大数据的采集、预处理、存储和分析的不断优化和改进也将进一步促进口腔医学领域的发展。关键词 大数据；数据库；人工智能；口腔医学 中国图书分类号 R78 文献标识码 ADOI:10.19749/.cjgd.1672-2973.2023.04.002Research progress of big data application in stomatology HUANG Dong-Zong,BI Cheng,LI Hong-Bo,LIU Hong-Chen,JIANG Hua(Department of Stomatology,the First Medical Center,Chinese PLA General Hospital,Beijing 100853,China)AbstractWith the development of mobile internet and digital technology,the application of big data in stomatology is more and more extensive.The development of oral digitalization,related public databases and dental specialty and disease databases provide data sources and foundations for oral big data analysis applications.Big data preprocessing and efficient data storage are prerequisites for big data analysis.However,there is currently no unified industry standard and quality control in the collection,storage and sharing of multi-center dental medical data.A unified and standardized database and data management system needs to be established.Big data analysis using artificial intelligence and cloud computing technologies has been gradually applied to oral epidemiological investigations,clinical assisted decision-making systems,risk prediction and early warning,and oral medicine education.This paper reviews the relevant progress in the collection,preprocessing,storage,and analysis applications of oral big data.It deeply understands the current status and prospects of database technology and big data mining in the application of dentistry.The challenges are also briefly introduced.Big data technology provides strong support for promoting the development of intelligent oral medicine.At the same time,continuous optimization and improvement of big data collection,preprocessing,storage,and analysis will further promote the development of the field of dentistry.Key wordsBig Data;Database;Artificial Intelligence;Stomatology 基金项目 北京市科技新星交叉课题（20220484208）作者单位 100853 北京，中国人民解放军总医院第一医学中心口腔科（黄东宗，毕成，李鸿波，刘洪臣，姜华）通信作者 姜华，E-mail：综述 在过去几年中，大数据已成为工业部门、金融和医疗保健领域最常用的词汇之一1。大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合2。在数字化环境下，数据是丰富的研究资源，尤其是在医疗领域，医疗服务、健康保健和卫生管理的过程中，每天都会产生海量数据，进而形成健康医疗大数据3。近年来，口腔医学的各个领域向着数字化飞速发展，口腔诊疗全流程产生了海量数据，然而口腔医疗数据具有来源广、类型多、数据零散，非结构化文本多的特点。因此，如何利用大数据技术对口腔医疗数据进行收集、存储、处理和分析，是口腔医疗大数据研究的重点。本文对口腔医学中大数据的应用进展作一综述。1 口腔医学中的大数据资源1.1 口腔大数据的采集 随着数字化的发展，口腔医学中各种数字化软件、设备和数字化医疗技术等融入口腔诊疗的全流程，口腔医疗数字化平台不断发展，为口腔医学数据采集提供了支持。医院信息系统和电子病历系统是数字化收集患者就诊信息主要方式。数字化印模技术是临床常用口腔模型数据采集技术，也是数字化构建口颌系统的关键。数码相机用来采集患者二维照片。三维面扫用来采集患者面部软硬组织形态。数字化 X199Chin J Geriatr Dent,July,2023,VOI.21.NO.4 中华老年口腔医学杂志 2023 年 7 月第 21 卷第 4 期 线、CBCT，CT、MR，超声等用于采集患者的数字化影像。数字化下颌运动轨迹描记用来记录患者咬合运动。随着互联网医疗的发展，互联网也是口腔数据的入口。除了这些设备还有以修复设计、种植设计，导航、机器人为代表一大批设计软件也是数字化口腔的重要组成。另外口腔传统纸质病例和模型等数字化录入也是口腔数据的重要来源。1.2 口腔大数据预处理 数字化技术的进步促进了医疗数据的增长，然而，尽管医疗机构中存在大量可用的数据集，大多数临床数据都是以非结构化格式收集和存储的，有时甚至仅限于纸质记录。医疗数据整合差，数据结构和标准不统一等问题限制了医疗大数据的应用价值4。首先需要将不同类型的口腔医学数据整合并标准化，以便于后续的分析和挖掘。例如，对于电子病历需要遵守医学术语和诊断分类标准，探索全结构化电子病历，整合成结构化的文本信息；对于 CT 和 MR 数据，需要使用医学数字成像及通信(digital imaging and communication in medicine，DICOM)协议格式标准进行存储和传输，对口腔影像进行去噪、分割等处理；对于三维模型数据，需要使用 STL 或 PLY 等标准格式。但是目前多中心的口腔医疗数据的收集、存储、共享等方面无统一的行业标准和质量控制，需要建立统一标准的数据库和数据管理系统。1.3 口腔大数据存储 口腔数据是相互独立的，如何将海量的数据进行存储和管理是大数据技术的重点。结构化电子病历，数据库、云存储等技术的发展为数据的整合提供了便利的手段。医疗数据的质量越高，大数据分析产生的结果就越有效、稳定和有用。为了实现医疗大数据的最大效益，建立规范、高质量的数据库是有效的手段之一。数据库是结构化信息或数据有组织的集合，具有实现数据共享、数据冗余度减少、数据独立、数据集中控制、数据一致性和可维护性以确保数据安全和可靠等主要特点5。数据库作为数据的主要储存场所，数据库的建立是口腔医学研究中的重要环节。规范、高质量的数据库是大数据分析和应用研究的重要基础6。数字化口腔医疗的发展促进了数据库技术在口腔临床、科研和教学领域的广泛运用。孟凡皓等7整合解放军总医院口腔患者的影像数据，口腔内窥镜采集到的口腔图像，病历以及平台的问卷调查形成的文本数据等海量口腔多模态临床数据，构建了口腔疾病大数据库。以色列收集了全国范围内 132529 份 18 50 岁的诊所牙科就诊者的口腔就诊和治疗信息建立了口腔数据库8。Walji等9开发了一个名为BigMouth的新型口腔数据库，该数据库包含 11 个学术机构的 450 多万名患者的电子健康记录数据，促进了口腔健康相关研究，为临床、流行病学、统计学和信息学专家之间的合作提供了平台。由上海交通大学医学院附属第九人民医院基于 10000 多例口腔肿瘤患者的组织样本建立了口腔颌面部肿瘤组织样本及生物信息数据库，是国内外首个以大数据集成网络为载体的口腔颌面部肿瘤组织样本及生物信息数据库。此数据库为推动我国口腔颌面部肿瘤发生、发展的分子机制，分子分类、靶向治疗和临床研究提供了基础条件。远程教育将传统教学与现代信息技术相结合，是信息技术最重要的应用之一，它以各种形式提供基于计算机的在线和离线学习以及基于网络的教学。无时间限制地在线获取数字化学习资料被认为是远程教育的一大优势，基于网络的教学模块可以实现自主学习记录、评估和反馈，促进了学生的个性化学习，数据库在这其中发挥了重要作用10。Schittek 等11利用基于网络的数据库应用程序记录牙周病学中的实践历史记录和决策，学生使用屏幕上的自由文本通信与患者数据交互，提高了他们首次接触患者时的能力。另外口腔颌面外科12、口腔修复科13、牙周粘膜科14、颞下颌关节科15、口腔种植科16等不同的专科也有学者建立不同的专病数据库，为促进口腔专科疾病的临床研究提供基础。除了口腔数据库，还有许多大型医疗公共数据库可以提供人群中口腔疾病的患病情况，有助于研究口腔与全身健康的关系，为口腔研究提供支持。例如 MEDLINE、SEER 数据库、美国国家健康和营养检查调查数据库、基因表达数据库等17-19。这些数据库的开放使用为全世界的科研人员、临床医生、工程师、数据科学家提供了大样本的来自“真实世界”的研究资源集5。各国还有很多公共数据库可供使用，口腔专业人员了解和利用这些数据库可以为口腔研究特别是真实世界研究提供基础。2 口腔医疗大数据的应用2.1 流行病学调查 在数据库收集患者、高危人群和健康个体医疗健康数据的基础上，通过大数据分析可以获得疾病的临床特征和风险因素，探索疾病与患者数据之间的关联，帮助确定风险因素。Li 等20分析了 1999 年至 2014 年美国健康和营养检查调查数据库的数据，样本包括 37904 名成200 中华老年口腔医学杂志 2023 年 7 月第 21 卷第 4 期 Chin J Geriatr Dent,July,2023,VOI.21.NO.4 年人自我报告的一般健康状况和自我报告的口腔健康状况。发现美国人口腔健康的比例从 1999 年至2000 年的 27%上升到 2013 年至 2014 年的 38%，全身健康与口腔健康显著相关。为了评估 2009 年至 2017 年间接受种植覆盖义齿治疗的老年人的健康状况，Mieke 等21使用荷兰国家医疗申报数据库中老年口腔患者的牙齿修复情况以及一般健康数据，分析了种植覆盖义齿对老年患者一般健康状况的影响。挪威卫生经济管理局数据库包含共计166707 名患者的牙周医疗数据，有学者基于此数据库研究了牙周炎的患病率、风险因素以及治疗分布22。根据 2019 年全球疾病负担研究，全世界约有 35 亿人患有牙科疾病，主要是乳牙和恒牙的未经治疗的龋齿、严重的牙周病、无牙症（完全牙齿缺失），以及严重的牙列缺损23。通过大数据分析有助于疾病分子机制研究。Zhao 等24从癌症基因组图谱数据库中获取并整合了口腔鳞癌患者的差异表达基因，包括免疫相关基因和转录因子。建立转录因子介导的网络以探索预后免疫相关基因的调节机制。2.2 构建基于人工智能的临床辅助决策系统 人工智能是应用计算机科学的一个新分支，它赋予机器模仿人类智能行为的能力。基于大数据的人工智能将使医疗行业发生深刻的改变，使疾病的诊断更快速、准确，治疗更精准、微创25。临床辅助诊断特定疾病的诊断逻辑基于临床医生对症状、诊断测试结果和其他因素的分析，这些因素容易受到临床医生不完善的记忆和认知偏见的影响。当通过数十万个病例进行“学习”时，人工智能甚至超过了最熟练专家的临床经验26。这意味着将人工智能集成到现有的牙科临床工作流程中，将实现更准确、更高效的诊断27。有学者采用一个以大数据为驱动的、基于口腔微生物组测序数据对龋病进行诊断，构建了一个具有普适性且具有较高准确性的龋病诊断模型，证明了大数据的分析方法对于龋病的早发现，早诊断有重要意义28。在锥形束计算机断层扫描中使用手动标识，机器学习在区分根尖周囊肿和牙源性角化囊性肿瘤方面的准确率为 94%29。印度学者采集口腔癌患者的细胞学图像，建立了细胞分离的图像预处理算法，用图像（n=11981）训练神经网络，并建立了风险分层模型。用人工神经网络对来自远程医疗平台的细胞学图像的恶性程度进行评分，该模型在检测口腔恶性病变和高级别潜在恶性病变方面显示出高灵敏度30。也有学者研究发现，人工智能具有提高识别口腔癌患者颈部淋巴结转移的能力31。人工智能在诊断龋病和根尖周病变方面取得了与临床医生相当的结果。Lee 等32评估深层神经网络算法在根尖周 X 线片上检测和诊断龋齿的有效性，在诊断前磨牙和磨牙龋病取得了 89.0%和 88%的准确率，认为深度神经网络算法有望成为诊断龋齿最有效的方法之一。牙周病是一种复杂的炎症性疾病，由多种致病因素同时交互作用引起。Lee 等33开发一种基于深度卷积神经网络算法的计算机辅助检测系统，并评估该系统在牙周损害诊断和预测中的潜在实用性和准确性，在诊断牙周受损的前磨牙和磨牙方面取得了 89.0%和 76.7%的准确率。Lin 等34以 9009 例颞下颌关节矢状位 MRI 图像为基础，构建基于卷积神经网络深度学习模型，可以自动检测颞下颌关节盘前移位。陈昕等35运用专家系统辅助口腔可摘局部义齿支架的设计，辅助医生快速制定个性化的治疗方案，优化临床路径，减轻临床工作量。由于人工智能强大的数据分析能力，不仅可以提高牙科诊断的准确性和有效性，还能为患者进行个性化治疗方案推荐，模拟和评估预期结果，预测口腔疾病的发生和预后36。2.3 风险预测预警 根据患者和健康个体的医疗大数据，通过深度学习、数据挖掘等技术建立风险预测分析模型可以确定风险因素的优先级，对疾病预后风险进行预测预警。Zhang 等37建立了一个关联个人、解剖和手术因素的人工神经网络在预测拔除下颌阻生第三磨牙后的面部肿胀方面准确率达到 98%。在口腔癌预后方面，Bur 等38利用国家癌症数据库资料，开发并验证一种利用机器学习预测临床淋巴结阴性口腔鳞状细胞癌隐匿性淋巴结转移的算法。支持向量机、朴素贝叶斯、增强决策树和决策林在预测鳞状细胞癌局部区域复发方面的准确率约为 71%39；基于最大似然算法的预测模型，通过分析来自全国健康和营养检查调查数据库患者的人口统计学、营养、生活方式和临床数据的信息，用于识别易发生牙面缺失和根龋的个体，准确率为97.1%，敏感性为 99.6%40。通过同时分析患者数据、植入系统和外科医生的手术，采用人工神经网络在预测种植手术成功率方面达到了 99.2%的准确率41。Yamaguchi 等42通过分析从基牙模型获取的图像，在预测 CAD/CAM 复合树脂冠的粘接脱落概率方面取得了 98.5%的准确率。2.4 在医学教育教学中的应用 近年来，国内外201Chin J Geriatr Dent,July,2023,VOI.21.NO.4 中华老年口腔医学杂志 2023 年 7 月第 21 卷第 4 期 对于大数据在口腔医学教育教学中的应用也有了不少的研究。大数据在口腔医学教育教学中的应用，主要集中在以下几个方面：2.4.1 虚拟仿真教学 利用大数据技术，可以构建虚拟口腔仿真平台，对口腔解剖、病变等情况进行模拟，帮助学生更好地理解和掌握口腔医学知识和技能。例如，可以利用三维模型、CBCT 等数据，构建虚拟口腔模型，进行手术模拟和培训43。2.4.2 知识管理与共享 口腔医学知识的涵盖面广、深度深，针对口腔医学教育教学，利用大数据技术进行知识管理和共享，可以有效地提高知识的传播效率和教学效果。例如，可以将口腔医学课程和教材数字化，通过网络和移动终端进行在线学习和交流；可以利用数据挖掘技术，挖掘出口腔医学知识中的关键词和概念，帮助学生更好地理解和记忆。2.4.3 教学评估与优化 利用大数据技术，可以对学生的学习行为和成绩进行监测和评估，为教师提供精准的教学评估和优化建议44。例如，可以利用学生的学习记录、答题记录等数据，对学生的学习效果进行量化评估，帮助教师调整教学方法和策略。2.4.4 个性化教育与培训 利用大数据技术，可以根据学生的学习行为和成绩，为学生提供个性化的教育和培训方案，帮助学生更好地掌握口腔医学知识和技能45。例如，可以根据学生的学习情况和学习习惯，为学生推荐合适的学习资源和学习路径，提高学习效果。3 问题与展望随着口腔医疗数字化平台的建设发展，口腔诊疗全流程包括院前预约，院内诊疗和管理等产生了海量口腔数据，这些数据来源于不同软件和设备，数据类型主要包括以下几种：一是文本信息，主要是患者的就诊信息如患者的主诉、现病史、既往史、检查，诊断，治疗方案、治疗过程，医嘱等，医院主要通过电子病历记录的患者就诊信息，其中既有结构化的文本，也有非结构化的文本。二是口腔数字化图像，包括临床采集的二维数码照片，数字化印模，三维面扫数据等。三是口腔数字化影像，包括数字化X线图像数据、CBCT图像，CT图像、MR图像，超声图像等。四是数字化下颌运动轨迹描记。五是口腔视频影像，包括发音视频、咬合运动视频，治疗过程记录视频和手术视频等。六是口腔生物信息。基于电子病历数据，不仅可以开展疾病负担、病因、治疗和预后等疾病相关研究，还能应用于医疗质量和安全管理。利用大数据技术可以为患者提供个性化的口腔医学治疗方案。例如，根据患者的病史、病情、基因等数据，为患者提供更加准确、有效的口腔治疗方案，提高治疗的成功率和效果。下颌运动轨迹描记数据可以用于架设虚拟框架，模拟患者咬合运动，实现下颌运动分析和修复体精确咬合设计等，广泛应用于数字化修复。基于多维图像数据融合，尽可能完整的整合患者软硬组织以及功能状态相关信息，为实现精准医疗提供基础。目前基于口扫数据，面扫数据，CT数据以及电子面弓数据，创建的虚拟患者，从而实现了更精准的个性化诊疗。可以使用三维可视化技术展示口腔的解剖结构和病变情况；可以使用虚拟现实技术进行手术模拟和培训。利用大数据技术对口腔微生物和基因组的多样性、功能及其与人体免疫系统的关联等方面进行研究，从而探索口腔健康和口腔疾病的分子机制和生物学基础，从而提供更好的口腔疾病预防和治疗方案。总之，口腔数据在大数据应用研究中具有很大的潜力和广阔的前景，将为口腔健康的维护和口腔疾病的预防和治疗提供有力的支撑。利用大数据处理技术从海量健康医疗数据中发掘有针对性的信息，构建基于人工智能和健康医疗大数据的智慧医疗系统，成为未来医院医疗信息化建设发展的趋势46。口腔医学的数字化发展，使得大数据技术在口腔医学的各个领域都有广泛的应用前景。但是大数据分析在数据质量控制、数据分析、建模方面均存在着诸多挑战。进行临床研究，需要把多个系统中的相关信息数据整合成一个课题，并把所有非相关信息进行剥离。但是大多数医院同时运行着多源异构系统间的医疗数据大多处于孤岛状态。数据整理和共享不足，缺乏数据处理、测量和验证方面的信息是口腔大数据研究面临的主要问题47。在信息化时代，大数据伦理是另一个重大挑战，如何在不侵犯隐私的情况下收集、存储和共享数据一直是大数据研究中讨论的焦点。必须通过标准化数据整理和报告方法来提高数据的数量、质量和可读性。建立一个开放存取的标准数据集，其中包含全面的人口统计、临床、实验和治疗数据，将是口腔医学大数据应用下一阶段的一项关键任务。口腔医学大数据发展迅速，在临床辅助决策和风险预测预警等方面具有潜在的应用价值。尽管数202 中华老年口腔医学杂志 2023 年 7 月第 21 卷第 4 期 Chin J Geriatr Dent,July,2023,VOI.21.NO.4 据采集、数据质量控制、数据分析和伦理问题带来的挑战仍然存在，需要克服。但是，随着医疗健康数据量爆发性增长、大数据和人工智能技术不断进步、各级政府大力支持，医疗信息平台、大数据分析平台、云计算平台、AI 平台等有效整合，口腔医学正朝着更加智慧、更加便捷、更加实用、更加安全的方向发展。参考文献1 Trifiro,Gianluca,Sultana,et al.From Big Data to Smart Data for Pharmacovigilance:The Role of Healthcare Databases and Other Emerging SourcesJ.Drug safety,2018,41(2):143-1492 Price WN 2nd,Cohen I G.Privacy in the age of medical big dataJ.Nat Med,2019,25(1):37-433 Zhang L,Wang H,Li Q,et al.Big data and medical research in ChinaJ.BMJ,2018,360(1):59104 刘洪臣.全面理解与应用口腔数字化医疗 J.中华口腔医学杂志,2020,55(10):701-703 Liu HC.Comprehensive understanding and application of digital oral medicineJ.Chin J Stomatol,2020,55(10):701-7035 Yang J,Li Y,Liu Q,et al.Brief introduction of medical database and data mining technology in big data eraJ.J Evid Based Med,2020,13(1):57-696 朱之恺，黄馨莹，姜勇.临床研究数据库的构建与管理 J.中国卒中杂志,2022,17(1):36-42 Zhu ZK,Huang XY,Jiang Y.Construction and management of clinical research databasesJ.Chin J Stroke,2022,17(1):36-427 孟凡皓，田瑜，乔波，等.基于大规模临床数据深度学习的口腔疾病人工智能预防与诊断平台的构建 J.精准医学杂志，2021，35(6):497-500 Meng FH,Tian Y,Qiao B,et al.Construction of an artificial intelligence prevention and diagnosis platform for oral diseases based on deep learning of large-scale clinical dataJ.J Preci med,2021,35(6):497-5008 Abramovitz I,Zini A,Kessler Baruch O,et al.SOS teeth with advanced caries and sociodemographic indicators,health-related habits and dental attendance patterns:data from the Dental,Oral,Medical Epidemiological(DOME)nationwide records-based studyJ.BMC oral health,2021,21(1):3899 Walji MF,Spallek H,Kookal KK,et al.BigMouth:development and maintenance of a successful dental data repositoryJ.JAMIA,2022,29(4):701-70610 Reissmann D R,Sierwald I,Berger F,et al.A model of blended learning in a preclinical course in prosthetic dentistry J.J Dent Educ,2015,79(2):157-16511 Schittek Janda M,Mattheos N,Nattestad A,et al.Simulation of patient encounters using a virtual patient in periodontology instruction of dental students:design,usability,and learning effect in history-taking skills J.EUR J Dent Educ,2004,8(3):111-11912 刘彦普，薄斌，肖晨亮，等.口腔颌面部创伤数据库网站的实现 J.中国数字医学，2011,6(1):20-22 Liu YP,Bo B,Xiao CL,et al Implementation of a database website for oral and maxillofacial trauma J.Chin Digit Med,2011,6(1):20-2213 周微，刘阳，谢春，等.口腔患者 3D 数字化牙颌模型数据库的临床应用 J.数理医药学杂志，2018，31(9):1378-1380 Zhou W,Liu Y,Xie C,et al.Clinical application of 3D digital dental model database for oral patients J J Math Med Pharm,2018,31(9):1378-138014 王勇，季伟苹.中医复发性口腔溃疡临床数据库的建立 J.信息与电脑，2016,10(7):114-115 Wang Y,Ji WP.Establishment of clinical database of TCM recurrent Aphthous stomatitis J Inf and Comput,2016,10(7):114-11515 翟孝庭，黄东宗，李鸿波，等.颞下颌关节紊乱病专病数据库的设计与初步构建 J.口腔颌面修复学杂志，2021，22(5):354-360 Zhai XT,Huang DZ,Li HB,et al.Design and preliminary construction of a specialized disease database for temporomandibular joint disordersJ.Chin J Prosthet,2021,22(5):354-36016 Park W,Huh JK,Lee JH.Automated deep learning for classification of dental implant radiographs using a large multi-center datasetJ Sci Rep,2023,13(1):4862 Yang Z,Gong P,He K,et al.Collaborative Research on Key Technologies of a Digital Oral and Maxillofacial Implant Surgery and Repair Platform Based on Cloud Computing M.2020:75-7617 Daly MC,Paquette IM.Surveillance,Epidemiology,and End Results(SEER)and SEER-Medicare Databases:Use in Clinical Research for Improving Colorectal Cancer Outcomes J.Clin Colon Rect Surg,2019,32(1):61-6818 Sung CE,Huang RY,Cheng WC,et al.Association between periodontitis and cognitive impairment:Analysis of national health and nutrition examination survey(NHANES)IIIJ.J Clin Periodontol,2019,46(8):790-79819 Wang Y,Fan H,Zheng L.Biological information analysis of differentially expressed genes in oral squamous cell carcinoma tissues in GEO databaseJ.J Buon,2018,23(6):1662-167020 Li KY,Okunseri CE,McGrath C,et al.Self-Reported General and Oral Health in Adults in the United States:NHANES 1999-2014J.Clin Cosmet Investig Dent,2019,11(24):399-40821 Bakker MH,Vissink A,Raghoebar GM,et al.General health status of Dutch elderly receiving implant-retained overdentures:A 9-year big data cross-sectional studyJ.Clin Implant dent R,2021,23(2):228-23522 Fardal,Skau I,Rongen G,et al.Provision of treatment for periodontitis in Norway in 2013-a national profileJ.Int Dent J,2020,70(4):266-27623 Peres MA,Macpherson LMD,Weyant RJ,et al.Oral diseases:a global public health challengeJ.Lancet,2019,394(10194):249-26024 Zhao XT,Zhu Y,Zhou JF,et al.Development of a novel 7 immune-related genes prognostic model for oral cancer:A study based on TCGA databaseJ.Oral Oncol,2021,112(1):1-825 刘洪臣.人工智能口腔医学 J.中华口腔医学杂志,2021,55(12):915-919 Liu HC.Artificial Intelligence Oral medicineJ.Chin J Stomatol,2021,55(12):915-91926 Bouletreau P,Makaremi M,Ibrahim B,et al.Artificial Intelligence:Applications in orthognathic surgery J.J Stomatol Oral Maxillofac Surg,2019,120(4):347-35427 张戎，刘洪臣.人工智能技术在临床医疗中的应用概述 J.中华老年口腔医学杂志,2021,19(1):40-44 Zhang R,Liu HC.Overview of the application of artificial intelligence technology in clinical medicine J.Chin J Geriatr Dent,2021,19(1):40-4428 卢洁.基于微生物组大数据的龋病菌群分析及诊断模型构建D.大连医科大学，2021203Chin J Geriatr Dent,July,2023,VOI.21.NO.4 中华老年口腔医学杂志 2023 年 7 月第 21 卷第 4 期 Lu J.Analysis of caries flora and construction of diagnostic model based on Big data of microbiome D.Dalian Medical University,202129 Yilmaz E,Kayikcioglu T,Kayipmaz S.Computer-aided diagnosis of periapical cyst and keratocystic odontogenic tumor on cone beam computed tomographyJ.Comput Meth Prog Bio,2017,146(1):91-10030 Sunny S,Baby A,James BL,et al.A smart tele-cytology point-of-care platform for oral cancer screening J.PloS one,2019,14(11):e022488531 Ariji Y,Fukuda M,Kise Y,et al.Contrast-enhanced computed tomography image assessment of cervical lymph node metastasis in patients with oral cancer by using a deep learning system of artificial intelligenceJ.Or Surg Or Med Or Patho Or Radio,2019,127(5):458-46332 Lee JH,Kim DH,Jeong SN,et al.Detection and diagn