AI牙科软件宣称18倍ROI,FDA只批了“辅助检查”:误诊了谁负责

一家牙科 AI 公司在官网写，软件上线后刮治病例接受率提升 37%，牙冠提升 34%，充填提升 19%。另一家强调平均 18 倍投资回报率。还有公司把 AI 可视化描述成能帮助患者更快理解问题、推进方案接受。

这些内容都不是传言，公开页面上确实能看到。真正要警惕的，也不是企业不能谈经营价值，而是很多门诊一看到 FDA cleared，就容易把“产品获准用于某种临床辅助场景”，直接理解成“这些营收结果也得到了官方背书”。

这一步，恰恰最容易听错。

01 / 先把三个概念拆开

卖的是增长批的却不一定是增长

510(k) clearance 本质上是一条监管准入路径，核心是看设备在预期用途等方面，是否与已上市合法设备具有实质等同性。它不是 FDA 对商业宣传、营收提升和病例接受率的逐条认证。

放到牙科影像 AI 里，这个区别尤其重要。公开法规里，相关产品至少可能落在不止一种条款下。比如 21 CFR 892.2070 更接近影像分析和异常区域提示，21 CFR 892.2090 的描述范围更宽，但法规同样明确：它不替代医生对影像、病史和临床情况的完整审阅，也不替代最终判断。

所以，真正该看的不是首页那句醒目的 FDA cleared，而是它到底批了什么用途、在什么场景里用、给谁用，以及输出结果会不会直接影响临床决策。

02 / 厂商最会卖什么

最会卖的往往不是技术，而是增长确定感

Pearl、Overjet、VideaHealth 的公开页面，确实都在把 AI 和病例接受率、营收增长、生产效率放在一起讲。Pearl 会直接列出刮治、牙冠、充填等项目的提升幅度；Overjet 把 25% higher care acceptance 和 18x average ROI 放在显眼位置；VideaHealth 也反复使用 unlock hidden revenue、20%+ more in case acceptance 这类表达。

这些表述不一定等于失真，但它们和“产品被批准的临床用途”不是一个层级的证据。更准确地说，clearance 是监管准入，validation 是性能证据，ROI 和病例接受率则是商业结果，三者不能混成一句话。

03 / 为什么这条边界很关键

技术在往前跑边界也要一起讲清

8 月 15 日，第十二届全国大学生医学创新大赛总决赛在复旦大学举行。公开报道里，赵铱民展示了口腔智能装备的临床能力，但同时强调：医生始终是医疗环节的最后决策者和最终责任人。

蒋欣泉则提醒，生成式 AI 在医院落地仍缺乏明确规范与标准，数据安全、算法偏倚、决策责任归属，都是必须跨过去的门槛。把这两段话放在一起，其实就是当前口腔 AI 最真实的状态：技术在往前跑，边界也必须同时被讲清。

04 / 真正要防什么

不是 AI 完全没用而是把提示听成了结论

无论是邻面龋识别、影像标记、口扫后的辅助设计，还是种植路径规划，公开研究里都已经能看到不少不错的数据。问题从来不在“它有没有帮助”，而在“帮助能走到哪一步”。

因为临床里最关键的一步，往往不是“看见了什么”，而是“这个东西到底该不该处理”。AI 在牙片上圈出更多可疑点，当然可能帮助医生减少遗漏；但彩色标记一旦叠上去，再加上“更高接受率”“更强沟通力”“更高产值”这样的说法，就很容易把辅助提示误读成确定答案。

05 / 最后怎么判断

先看技术能做什么再看监管批了什么

这篇最想留下的，不是“AI 不靠谱”，而是一个更稳的判断顺序：先看技术能做什么，再看监管批了什么，最后再看销售说了什么。顺序一旦倒过来，就很容易把增长故事听成临床事实，把彩色标记听成确定答案。

机器人可以把误差压得更低，影像 AI 也能帮你圈出更多可疑点。但哪一个该治、哪一个该观察，最后落笔的人，仍然只能是医生。

图文来源网络，版权属于原作者

转载只为分享，如有侵权，请联系删除