光学方法在早期龋齿诊断中的研究进展

摘要：早期龋齿的精准与高效诊断对预防龋病进展、降低治疗费用具有重要意义。通过系统梳理知网等学术平台的最新研究成果发现，以光学诊断为代表的创新技术正在为早期龋齿检测开辟全新路径。该类方法不仅能显著提高早期龋的检出率与准确度，还可有效减少不必要的创伤操作及成本投入，实现对大众口腔健康的全方位守护。随着光学诊断技术的持续完善与临床应用的深入，定量诊断模式有望进一步革新传统龋齿诊疗理念，为口腔医疗事业注入新的活力。

关键词：早期龋齿；光学诊断；定量诊断；口腔医疗

引言

龋病是常见的口腔疾病之一，具有发病率高、病变进展不可逆等特点，被世界卫生组织列为亟需防治的三大慢性疾病之一[1]。我国第四次全国口腔健康流行病学调查结果显示，儿童龋病患病率呈持续上升趋势，5岁儿童乳牙龋高达70.9%，12岁儿童恒牙龋患率为34.5%[2]。早期龋齿因其病变初期症状不明显，传统诊断手段，如视诊、探诊以及常规 X 光检查，极易出现漏诊情况。而一旦龋齿发展至中晚期，不仅治疗过程复杂，患者痛苦加剧，治疗成本也大幅攀升。近年来，光学技术的迅猛发展为早期龋齿诊断带来曙光。

一、早期龋齿光学参数重构的技术基础

1. 光学成像原理在龋齿检测中的应用

光学成像原理是早期龋齿检测的重要手段，利用光传播特性获取龋齿形态结构信息。常用方法有光学相干断层扫描、共聚焦显微镜成像等。如OCT技术能提供高分辨率牙齿横截面图像[3-4]，显示牙釉质和牙本质微小变化，助于发现早期病变。其优势是非侵入、高分辨率、实时成像，不损伤牙齿就能检测龋齿。

2. 光学信号采集与处理技术要点

光学信号采集与处理是实现龋齿光学参数重构的关键环节。首先，光源选择通常在可见光至近红外区间，其波长在牙体中穿透性相对较好，能生成有效的背向散射或反射信号[5]。在探测器的选用上，高灵敏度且具有快速响应能力的器件（如光电倍增管或高速CMOS传感器）可显著提升信号获取质量[6]。后端信号处理通常需要对原始信号进行滤波、放大及数字化，将噪声干扰降至最低；随后通过傅里叶变换等算法提取信号的频谱或相位特征，从而反映牙体组织中脱矿区的光学变化[7]。这一系列步骤确保了对早期龋损的灵敏检测与准确定量。

3. 数学模型构建用于参数重构

数学模型是快速重构核心工具，可将光学信号与龋齿物理参数定量关联。常用物理模型和统计模型。物理模型基于光传播规律，如用麦克斯韦方程组结合条件构建模型计算光学参数；统计模型基于大量实验数据，用机器学习算法建立信号与参数的映射关系。

数学模型构建用于参数重构

通过建立数学模型，可将采集到的光学信号与牙体的物理特性紧密联系起来[8]。通常可分为物理模型和统计模型两大类：

物理模型基于光传播和散射规律，结合牙体组织折射率、散射系数等参数，利用麦克斯韦方程组或蒙特卡洛模拟来估算光学特征；能够在较高的理论层面描述光与组织的交互过程[9]。

统计模型则依托海量实验数据，通过机器学习或深度学习算法，将光学信号与龋齿病变程度的映射关系学习出来，实现快速预测与重构[10]。此方法在面对组织异质性、复杂散射环境等现实难题时更具适应性，可显著提高对早期龋齿的检测准确度与效率。

二、基于光学参数的早期龋齿定量诊断方法

1. 特征参数提取与龋齿病变程度关联

在早期龋齿诊断研究中，从重构的光学参数中提取关键特征参数，对判断病变程度具有重要意义。例如，吸收系数（absorption coefficient）与牙体组织矿物质脱矿程度密切相关：当龋齿发生时，脱矿使釉质微观结构疏松，吸收系数随之增大；若脱矿程度较轻，系数增长幅度有限，严重脱矿时则显著增大，通过持续监测可反映脱矿演变进程[3]。

散射系数（scattering coefficient）同样是关键指标，可敏感地捕捉牙釉质结构的细微变化[4]。在早期脱矿阶段，牙釉质溶解形成微孔隙，导致光散射明显增强，散射系数相应升高；一旦脱矿加深，系数进一步增大。为建立量化关联，研究人员通常以组织学分析结果为对照，对大量临床或离体样本进行光学参数测量并对比其差异[11]。结果显示，当吸收系数、散射系数等处于某一范围时，往往提示浅龋；参数超过临界阈值则倾向于中度或更严重龋损，从而为临床诊断和治疗决策提供可靠依据。

2. 多元数据分析实现定量诊断

由于单一光学参数的信息量有限，运用多元统计方法综合处理多个参数是提高诊断准确率的有效途径[12]。其中，主成分分析（PCA）常被用于处理高度相关的光学特征数据。PCA通过对原始多维数据的方差贡献进行降维，提取互不相关的几个主要成分，以解释绝大部分数据信息；这样既降低参数冗余，又保留对龋损程度区分最为关键的变量[13]。

在完成降维后，判别分析（Discriminant Analysis， DA）可进一步建立早期龋分级模型。具体而言，研究者利用已知病变程度的训练样本构建判别函数，使其学习不同龋损阶段在光学特征空间的分布规律[14]。当有新样本输入时，判别函数可根据其在主要成分坐标系中的位置，对病变程度（如浅龋、中龋等）进行归类判断。经过充分训练的判别模型在早期龋齿诊断中的准确性和可靠性均可达到较高水平，为临床无创定量诊断奠定了技术基础。

三、早期龋齿光学诊断技术的应用

1. 在临床实践中的推广应用前景

随着光学成像理论和设备制造工艺的不断发展，早期龋齿的光学诊断技术在临床中展现出广阔的推广潜力[15]。以光学相干断层成像（Optical Coherence Tomography， OCT）为代表的无创、高分辨率诊断手段，不仅避免了电离辐射带来的潜在风险，也大幅提升患者的接受度和舒适度。通过对早期微小脱矿区的精准探测，OCT在提高龋齿筛查效率、降低漏诊风险等方面具备独特优势，未来有望成为各级口腔医疗机构的常规检查项目。

在设备形态上，研发便携式光学诊断装置成为重要趋势；这一类设备体积小、便于操控，为基层医生和移动诊疗场景提供了高效的龋齿检测能力。除此之外，拉曼光谱等其他光学检测技术也在口腔领域崭露头角，虽无法直接定量龋损程度，但可通过捕捉组织生化成分变化，为早期龋齿诊断提供辅助信息[16]。随着技术成熟与生产规模化，光学诊断设备的制造成本有望进一步下降，逐渐纳入日常牙科体检流程。此举不仅能提高早期龋检出率，帮助实现早诊早治，减少后期大范围修复费用，也将从整体上促进口腔医疗水平提升、推动行业健康可持续发展[17]。

2. 与其他口腔诊疗技术的协同发展

早期龋齿光学诊断技术并非孤立存在，还可与其他口腔诊疗技术形成互补与协同，为构建更完善的综合诊疗体系奠定基础[11]。在诊断环节，将OCT等光学手段与锥形束计算机断层扫描（CBCT）结合，可同时获取牙齿表层精细结构和深层骨性结构信息：前者能精准定位早期脱矿区域的大小及分布，后者擅长显示牙根、牙周和牙髓腔等更深部组织的病变情况，两者相互印证可显著降低误诊和漏诊率[18-19]。

在治疗过程中，光学诊断技术与微创治疗策略的结合尤为关键。通过OCT等准确定位并评估早期龋齿范围，为后续激光治疗、树脂渗透或微创修复等操作提供精准靶点。医生能够更好地保留健康牙体组织，减少操作创伤，提升治疗效果和患者舒适度。随着多种技术的融合应用，口腔医疗将从传统“以治疗为中心”转向“以预防和早期干预为主”，为患者提供更加优质、个性化和全方位的诊疗体验[20]。

四、结论

以上研究表明，基于光学参数重构与多元分析的早期龋齿检测技术，能够实现对牙体初期脱矿病变的精准定量诊断，并显著提升检出率与诊断准确性。然而，个体差异、设备成本、临床操作规范等方面的问题，依然是阻碍该技术大规模临床应用的主要挑战。未来需持续深入研究，优化技术细节，加强多学科协作，推动早期龋齿光学诊断技术不断创新发展，为口腔医疗领域带来革命性变革，为广大患者提供更加准确、高效、微创的诊治方案。

参考文献

[1]石爱荣. 国内儿童龋病特点和防治现状[J]. 右江医学， 2014， 42（4）： 487-490.

[2] 王兴. 第四次全国口腔健康流行病学调查报告[M]. 北京： 人民卫生出版社， 2018.

[3] Fried D， Xie J， Shafi S， et al. Imaging caries lesions and lesion progression with polarization sensitive optical coherence tomography[J]. J Biomed Opt， 2002， 7（4）： 618-627.

[4] Jones R S， Darling C L， Featherstone J D， et al. Remineralization of in vitro dental caries assessed with polarization‐sensitive optical coherence tomography[J]. J Biomed Opt， 2006， 11（1）： 014016.

[5] Ko A C T， Choo-Smith L P， Hewko M D， et al. Ex vivo detection and characterization of early dental caries by optical coherence tomography and Raman spectroscopy[J]. J Biomed Opt， 2005， 10（3）： 031118.

[6] Schneider H， Ahrens M， Strumpski M， et al. An intraoral OCT probe to enhance detection of approximal carious lesions and assessment of restorations[J]. J Clin Med， 2020， 9（10）： 3257.

[7] Patil C A， Bosschaart N， Keller M D， et al. Combined Raman spectroscopy and optical coherence tomography device for tissue characterization[J]. Opt Lett， 2008， 33（10）： 1135-1137.

[8]Popescu D P， Sowa M G， Hewko M， et al. Assessment of early demineralization in teeth using the signal attenuation in optical coherence tomography images[J]. J Biomed Opt， 2008， 13（5）： 054053.

[9]Doronin A， Meglinski I. Online object oriented Monte Carlo computational tool for the needs of biophotonics[J]. Biomed Opt Express， 2011， 2（9）： 2461-2469.

[10] Huang Y P， Lee S Y. Deep Learning for Caries Detection using Optical Coherence Tomography [Preprint]. medRxiv， 2021.

[11] Li Y N， Wang G H， Yao H， et al. Quantitative analysis of early enamel lesion using optical coherence tomography[J]. Chinese Journal of Tissue Engineering Research， 2010， 14（26）： 4827-4830.

[12] Lai G， Xu J， Yu H， et al. Application of neural networks and principal component analysis in classification of optical coherence tomography images for early caries detection[J]. International Journal of Oral Science， 2021， 13（1）： 1-8.

[13] Jackson J E. A User's Guide to Principal Components[M]. New York： John Wiley & Sons， 2003.

[14] Ren S， Zhou L， Zhang Q， et al. Discriminant analysis for optical tomography in diagnosing dental caries[J]. Optik， 2019， 183： 1161-1168.

[15] Machoy M， Seeliger J， Szyszka-Sommerfeld L， et al. The use of optical coherence tomography in dental diagnostics： A state-of-the-art review[J]. J Healthc Eng， 2017， 2017： 7560645.

[16] Ko A C T， Choo-Smith L P， Hewko M D， et al. Ex vivo detection and characterization of early dental caries by optical coherence tomography and Raman spectroscopy[J]. J Biomed Opt， 2005， 10（3）： 031118.

[17] Patil C A， Bosschaart N， Keller M D， et al. Combined Raman spectroscopy and optical coherence tomography device for tissue characterization[J]. Opt Lett， 2008， 33（10）： 1135-1137.

[18] Scarfe W C， Farman A G， Sukovic P. Clinical applications of cone‐beam computed tomography in dental practice[J]. J Can Dent Assoc， 2006， 72（1）： 75-80.

[19] Loubele M， Maes F， Schutyser F， et al. Comparative study of image quality for MSCT and CBCT scanners for dentomaxillofacial radiology applications[J]. Radiat Prot Dosimetry， 2008， 129（1-3）： 222-226.

[20] Makhija S K， Gilbert G H， Funkhouser E， et al. Twenty-month follow-up of occlusal caries： a comparison of clinical， radiographic， and optical coherence tomography methods[J]. J Am Dent Assoc， 2012， 143（4）： 427-435.

[21]牛嘉欣.基于OCT光学参数定量的早期龋齿检测方法研究[D].天津工业大学，2023.

[22]陈毛宁，吴玲玲.荧光分析法在早期龋齿检测中的应用研究[J].激光与光电子学进展，2022，59（13）：415-422.

[23]张志刚，谢小娟.树脂渗透技术用于预防早期龋齿对患儿牙周炎症反应和牙槽骨密度水平的影响[J].中南医学科学杂志，2022，50（01）：98-101.

[24]陈毛宁，吴玲玲.荧光分析法在早期龋齿检测中的应用研究[J].激光与光电子学进展，2022，59（13）：415-422.

[25]徐红，唐秀萍，喻芸，等.应用激光龋齿探测笔早期诊断龋齿的效果[J].广东牙病防治，2013，21（01）：14-15.

[26]俞有健.氟化泡沫应用于幼儿早期龋齿效果观察及风险分析[J].中国药物警戒，2016，13（10）：619-622.

天津工业大学国家级大学生创新训练计划资助项目；项目编号：202410058026