目前，口干症的主观评估工具包括简化版口腔干燥量表、口腔干燥问卷、视觉模拟评分法、口干量表、区域口腔干燥量表以及EORTC QLQ-C30和EORTC QLQ-H＆N35等疾病特异性问卷。这些工具能够量化患者的口干症状严重程度，但缺乏高灵敏度、高特异度且经济实用的统一标准。客观评估方法主要包括唾液流量测定、唾液pH值检测、口腔湿度测量以及放射性核素显像技术。唾液测定法是诊断唾液功能障碍的常用方法，其中未刺激全唾液和刺激性全唾液是主要检测指标，但对于老年患者或无法咀嚼的患者，这些方法存在一定局限性。
 

人工智能、唾液组学（如代谢组学、蛋白质组学）的应用在口干症的早期诊断中展现出显著潜力:一方面,通过机器学习模型预测唾液腺功能损伤,Guevelou开发的随机森林和支持向量机模型,整合放疗剂量、化疗方案及MRI影像特征 （如纹理分析）,预测头颈癌治疗 后唾腺功能障碍风险,准确率达80％以上;另一方面,基于AI自动化影像分析技术,Cristina通过解析唾液腺超声或 MRI影像的灰度分布、血流信号等特征,自动识别腺体萎缩或纤维化区域, 辅助临床医生定量评估口干严重程度。这些技术为个性化诊疗和疗效监测提供了数据支持。
 

出自《放疗相关性口干症的临床挑战与研究进展》作者陈雪,臧晓龙,张晶晶。