亮点
纤维异常增殖症（Fibrous dysplasia，FD）、牙骨化纤维瘤（cemento-ossifying fibroma，COF）和牙骨质-骨化性发育不良（cemento-osseous dysplasia，COD）是组织学表现相似的颌骨病变，在病理实践中常带来诊断挑战。采用 ResNet-50 和弱监督多切片训练的深度学习模型在表现上优于经验丰富的口腔病理学家，AUC 达到 0.86，准确率为 71%，显示出较强的诊断支持潜力。模型生成的可视化概率热图能够定位关键的鉴别性组织形态学特征，提示其可作为传统诊断方法的重要临床辅助工具。
背景
颌骨纤维-骨性病变包括 FD、COF 和 COD，属于一组良性但临床表现多样的疾病，其特征为正常骨组织被纤维组织及不同程度的矿化物质所替代。这些病变在组织病理学上具有重叠特征，因而常使口腔病理学家的常规诊断工作受到干扰。准确区分这些病变至关重要，因为每一种疾病在临床行为、预后及治疗意义方面均不相同。FD 通常为发育异常，可趋于稳定或自行消退；COF 由于具有生长潜能，常需手术切除；而 COD 因其良性且多无症状，通常需要保守治疗。
传统诊断主要依赖口腔病理学家对形态学的评估，并结合临床与影像学资料。然而，鉴于这些病变在组织学上的相似性，观察者间差异仍然是一个值得关注的问题，可能导致临床决策不够理想。近年来，人工智能（artificial intelligence，AI），尤其是应用于数字病理的深度学习，已成为一种有前景的策略，可通过大规模客观分析复杂图像模式来提高诊断准确性和一致性。
研究设计
这项回顾性、多中心研究汇集了来自 3 家机构的 338 例病例，分别被归类为 FD（n=130）、COF（n=146）和 COD（n=62）。共获取 1,218 张苏木精-伊红（hematoxylin and eosin，H&E）染色的全视野切片图像（whole slide image，WSI），并进行了图像预处理以实现标准化。
研究采用 ResNet-50 卷积神经网络架构作为深度学习分类的基础模型。共评估了 4 种不同训练策略：（1）全监督、单切片；（2）全监督、多切片；（3）弱监督、单切片；（4）弱监督、多切片；其中尤其强调多实例学习框架，即将切片层面的预测整合为病例层面的诊断。
主要终点为独立测试集中以受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）和准确率衡量的诊断性能。模型结果与仅依据组织学切片、未结合临床背景的资深口腔病理学家诊断评估进行比较。
主要发现
在 4 种策略中，弱监督多切片模型取得了最高分类性能，测试集 AUC 为 0.86，准确率为 0.71。该表现优于经验丰富的口腔病理学家，表明该模型在仅解释组织学图像时具有更强的鉴别能力。
概率热图可视化显示，模型能够成功定位并突出对病变鉴别至关重要的组织形态学区域。这些区域包括纤维间质细胞密度的变化、骨化模式及密度，以及矿化成分与纤维组织之间的关系，而这些正是传统病理实践中公认的诊断要点。
值得注意的是，该模型的性能体现了每例整合多张切片的增量价值，这与实际诊断场景相符，因为病理学家通常需要查看多个切片后才能形成一致判断。
尽管结果令人鼓舞，研究仍承认存在一定局限性，包括样本量相对有限以及地理代表性不足，可能限制模型的泛化能力。未来研究应纳入更多样化的患者人群和扫描平台，以验证其稳健性和临床实用性。
专家点评
本研究展示了人工智能在口腔病理学中的重要进展，说明深度学习模型不仅能够与经验丰富的病理学家相媲美，甚至可能在复杂诊断任务中超越他们。采用弱监督并结合多实例学习的方法，可有效利用切片级标签，而无需进行耗费大量资源的逐像素标注。
然而，AI 工具应被视为对人类专业经验的补充，而非替代。临床、影像及分子数据对于病变的全面评估仍不可或缺。未来研究可探索将组织学与影像学及遗传标志物相结合的多模态 AI 模型，以进一步提高诊断准确性并优化个体化管理。
结论
本研究证实，采用弱监督多切片深度学习模型，利用组织学图像区分颌骨纤维-骨性病变在技术上可行，并具有明确的临床应用前景。该方法仅凭组织学即可在准确率上优于资深病理学家，可作为传统病理工作流程的有力辅助工具，从而有望减少诊断歧义并改善患者管理。未来需进一步扩展具有地理多样性的病例数据，并纳入多模态诊断信息，以确立其更广泛的适用性及真实世界影响。
Reference
Zhang AB, Li PY, Xue J, Zhang JY, You Z, Ge SH, Xu ZX, Sun ZP, Chang DX, Sun LS, Li TJ. Deep Learning on Histology Images for Differentiating Fibro-osseous Lesions of the Jaw. J Dent Res. 2026 Oct;105(11):1419-1428. doi: 10.1177/00220345261415888. Epub 2026 Feb 24. PMID: 41733218.
