用智能手机拍摄口腔内部,人工智能就能找出并标记可能发展为癌症的病变,这类服务正在出现。2026年发表的一项荟萃分析显示,这种方法能查出80%以上的实际病变、不容易漏诊,但把正常组织误判为病变的情况非常多,因此难以单独作为诊断工具使用。如果说AI龋齿诊断一文探讨的是查找龋齿的准确性,那么这篇文章要看的是:能否仅凭一张照片,筛查出后果可能严重得多的口腔癌及其前期病变。
照片要找出什么
口腔鳞状细胞癌(约占口腔癌的90%)发现得越晚,5年生存率就会下降近一半。而在发展为癌症之前,常常会先出现白斑(白色斑块)、红斑(红色斑块)、口腔扁平苔藓等可能进展为癌症的病变,因此在这一阶段发现它们十分重要。人工智能模型通过学习智能手机或数码相机拍摄的口腔照片中正常黏膜与病变在颜色、边界、质地上的差异,在可疑部位画出边框,或判断是否为病变。吸烟、饮酒、人乳头瘤病毒感染、紫外线暴露、慢性刺激或炎症被认为是提高这类病变及癌症风险的因素。
过去使用的是特殊光线和染色剂
此前,牙科用于筛查口腔癌可疑部位的辅助检查,是照射特定波长光线使病变更明显的自体荧光检测仪,或在病变处涂抹色素加以区分的染色检查。然而2026年发布的美国牙科协会最新诊疗指南建议,不要将这类基于光线的辅助检查用于常规筛查,原因是相关证据的可信度非常低。该指南同时明确指出,包括无异常表现者在内的所有成年人都应接受目视和触诊的口腔检查。在汇总多项非侵入性检查重新分析的研究中,反而是光学相干断层扫描,以及用特殊波长观察组织的光谱检查、刮取细胞进行检查的刷取细胞学检查,准确性最高。不过该指南也指出其局限性:许多研究并未把口腔癌和其前期病变分开分析,而是合并在一起统计。因此切取组织进行显微镜确认的活检,仍然是确诊标准这一点没有改变。
照片判读,准确性如何
2026年的一项荟萃分析汇总了21项相关研究,并对其中条件相近的12项研究结果进行了统计合并。结果显示,查出可能进展为癌症的病变的灵敏度为81%,查出口腔癌的灵敏度为84%,说明漏诊实际病变的情况相对较少。问题出在特异度上:病变的特异度仅为16%,癌症的特异度仅为14%,研究团队指出,如果单独使用,假阳性将非常多。这意味着在100个正常部位中,可能有84至86处会被标记为可疑。尽管各项研究单独报告的特异度在73%到97%之间,远高于此,但将多项研究进行统计合并后的数值却大幅下降,原因在于各研究的拍摄方式、判定标准和目标病变差异很大,导致结果的偏差非常大。
造成偏差的是拍摄条件
即便是同一个人工智能模型,拍摄的是整个口腔还是只截取病变部位,结果也会有很大差异,相机种类、照明和分辨率同样会影响结果。在被审查的21项研究中,超过一半(11项)被评估为存在较高的偏倚风险,而以病理检查确诊的研究只占一半左右。其余研究是以专家的目视判断为基准来评价人工智能的准确性,这意味着与实际经过组织检查的诊室表现之间可能存在差距。拍摄所用的设备也是智能手机与专业相机混杂,目前也还没有关于如何拍摄照片的统一指南。
在诊室里应该这样看待
即使人工智能或特殊光源检测仪标记出可疑部位,也不必立刻担心是癌症,因为根据目前的证据,把正常组织误判为病变的情况很常见。反过来,没有任何标记也不能就此安心。如果长期吸烟或饮酒,或口腔内有久治不愈的白色斑块、红色斑块,无论这些辅助检查结果如何,都应该到牙科或口腔颌面外科接受直接检查,必要时通过组织检查加以确认。辅助检查终究只是帮助牙医进行目视检查的手段,而不能取代它。