#口腔癌

人工智能在口腔癌诊断与分诊中的应用：临床视角综述

早期诊断口腔鳞状细胞癌（OSCC）仍面临挑战，生存率主要取决于诊断时的分期。人工智能（AI）有望通过临床照片、放射影像、光学成像和数字病理学增强检测和临床决策。本综述汇总了截至2025年10月的同行评审PubMed索引英文文献，优先考虑前瞻性设计、外部验证和临床可解释模型。研究集中在临床相关任务上，如临床图像中的病变分诊、CT/MRI/PET上的淋巴结转移预测、光学方法的边缘评估以及基于全切片图像的组织病理学诊断/分级。此外，还讨论了实施问题，包括数据集偏移、偏见和报告标准。结果显示，在临床照片中，深度学习在单中心研究中对OSCC和口腔潜在恶性疾病的分类具有高诊断准确性，并在多站点外部测试中显示出良好的泛化能力，但在分布外图像和现实世界伪影下性能下降。在放射学中，放射组学和深度学习模型通过多模态特征融合提高了风险分层和淋巴结转移预测。光学方法如高光谱空间频率域成像和OCT结合AI在术中边缘评估和诊所分诊中显示可行性。数字病理学模型在全切片图像上接近专家级分类，开始预测口腔上皮发育不良的恶性转化风险，但严格的前瞻性验证仍然稀缺。结论是，OSCC的AI系统正在成熟并面向临床，但在常规采用前需证明外部有效性、临床医生参与性能、校准及对诊断时间和患者结果的影响。