口腔诊疗中人工智能的运用

田而慷 向倩蓉 赵欣然 彭佳涵 舒睿

1.口腔疾病研究国家重点实验室 国家口腔疾病临床医学研究中心四川大学华西口腔医学院 成都 610041；2..口腔疾病研究国家重点实验室 国家口腔疾病临床医学研究中心四川大学华西口腔医院儿童口腔科 成都 610041

人工智能的目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，以减轻人类的负担，提高工作效率。该领域的研究包括智能机器人、语言识别、图像识别、自然语言处理和专家系统等。

目前，人工智能在医学领域的应用十分广泛，具体体现为智能影像识别系统、医疗决策系统、语音智能系统等。口腔医学作为医学领域的重要组成部分，在口腔疾病诊断、口腔诊疗计划的制定、诊疗过程中的辅助，以及术后的辅助康复等各个方面，人工智能都发挥着重要的作用，且其应用日益广泛。图1总结了人工智能在口腔诊疗过程中的应用。

图 1 人工智能在口腔诊疗过程中的应用Fig 1 Application of artificial intelligence in oral diagnosis and treatment

1 口腔疾病诊断

诊断是从医学角度对人们的精神和体质状态做出的判断，口腔疾病诊断是口腔疾病预防、治疗、预后的前提，在整个诊疗过程中有着举足轻重的地位[1]。影像数据通过对口腔软硬组织的成像，是口腔疾病诊断的主要依据之一，利用人工智能的人工神经网络能有效地改进CT图像的重建精度。此外，人工智能能对口腔影像信息进行智能识别，以实现口腔疾病的智能化诊断，如在口腔修复中利用智能系统识别空化牙表面信号测量牙齿内部空腔直径[2]、在口腔种植中利用人工智能模型鉴别骨质疏松患者[3]、在牙体牙髓病学中利用神经网络算法检测龋齿[4]、在口腔黏膜病学中利用机器学习分类器实现对不同程度口腔鳞状细胞癌的分类[5]等。

1.1 提高CT成像效果

机器学习是计算机科学的一个分支，是建立以数据为导向的算法。其中，由节点和权值组成的神经网络（neural network，NN）是早期发展起来的人工智能算法之一。简单的只有几层的网络结构被称为浅层学习神经网络，而多层网络结构被称为深层学习神经网络。深层学习结构被称为卷积神经网络（convolution neural network，CNN），它能从抽象的滤波器层中提取出许多特征，主要用于处理大而复杂的图像[6]。Chen等[7]将反褶积网络和捷径连接结合到CNN模型中，称之为剩余编解码卷积神经网络（residual convolutional neural network，RED-CNN），该网络由10层组成，包括5个卷积层和5个反卷积层对称排列。捷径连接匹配卷积层和反卷积层，每一层后面跟着它的校正线性单位（rectified linear unit，ReLU），用于低剂量CT成像，在噪声抑制、结构保存和损伤检测方面得到了良好的效果，解决了传统的图像重建方法在保留结构细节时不能很好地消除图像噪声节点的问题，提高了CT图像重建的效果；Wolterink等[8]利用CNN与对抗性CNN联合训练，同样降低了CT图像重建中的图像噪声，提高了重建效果。CNN在口腔领域已经得到了广泛运用，表1[9-22]总结了不同类型的CNN在口腔领域的运用。可以发现，人工神经网络在各种口腔疾病的检测与定位上的准确率均较高，人工智能在该方面的运用能够显著提高口腔医生诊断口腔疾病的效率，节约医患双方的时间，降低口腔疾病诊断的难度。

1.2 智能诊断

除了提高CT图像重建效果，人工智能还能实现对口腔疾病的智能化诊断。人工神经网络能够对口腔特征进行识别，并结合已有数据实现智能化分析，可以提高临床诊断效率。在口腔修复中，Rahman等[2]提出了一种能够测量牙齿表面空腔直径的智能系统，该系统通过扫描成像、模糊逻辑特征提取和单层感知器（single layer perceptron，SLP）神经网络对反射信号的分类这3步得到牙齿表面空腔直径，能精确地测量直径在0.6 mm以下的空腔，该系统可以很容易地集成到现有的口腔修复支持系统中，有利于提高牙齿修复的成功率，且使用的设备成本低、效果好，可以在不需要任何额外硬件的情况下进一步提高分辨率；在口腔种植中，已有多种人工智能模型能对正常和骨质疏松的受试者进行全景X线片分类，其准确性、敏感性和特异性均达到95%以上，可以在种植治疗前辅助医生鉴别骨质疏松患者，提高治疗成功率[3]；在牙体牙髓病学中，一些学者[4,23]通过研究发现，人工智能中基于图像识别的深层神经网络算法能对龋齿进行精确诊断，对前磨牙和磨牙的诊断准确率分别为89.0%和88.0%，有望成为诊断龋病的有效方法之一；在口腔颌面外科中，Lee等[24]开发了一种基于深度卷积神经网络的计算机辅助检测系统，用于牙周损害牙（periodontally compromised teeth，PCT）的诊断以及决定是否拔牙，其中前磨牙PCT诊断准确率为81.0%，磨牙PCT诊断准确率为76.7%，决定拔牙的准确率分别为82.8%和73.4%；Lin等[25]提出了一种用于诊断牙周炎的算法，通过ABLIfBm阈值分割方法将射线照片图像转化为特征图像，并利用Otsu阈值法将特征图像分割为正常区域和骨丢失区域，从而判断患者的牙周情况，其准确率达到了92.5%；在口腔黏膜病学中，人工智能还能实现对囊肿或肿瘤的自动分类，一些学者[26-27]介绍了2种用于牙源性囊肿的自动分类器，正确率分别为83.8%～92.3%和（90%±0.92%）～（95.4%±1.94%）；Rana等[28]介绍了一种自动识别肿瘤边缘的程序，能实现对肿瘤的定位与肿瘤大小的评估，该程序的速度与其他方法相比分割明显加快，而准确度无显著差异；而Ashizawa等[29]构建的基于机器学习的头颈部鳞状细胞癌诊断算法能够精确识别肿瘤边缘，其精确性达到95.35%，有利于判断肿瘤的切除范围。

表 1 CNN在口腔领域中的应用Tab 1 Application of CNN in the field of stomatology

2 术前规划

常规的诊疗计划是由医生根据专业知识及经验制定的，但医生的知识储备和临床经验都有限，且不可避免地存在人为误差，基于人工智能的临床决策支持系统和计划软件可以很好地解决这些问题，两者相辅相成，在临床决策中起到重要作用。人工智能强大的数据处理能力使其能存储大量病例并不断对自身进行更新，从而根据患者的情况提供最完美的治疗方案，并对治疗效果以及疾病发展做出预测。

2.1 辅助临床决策

临床决策支持系统是用于辅助医生临床决策的计算机软件系统。一个临床决策支持系统包括输入、输出和运行机制3个方面。输入端是信息输入的窗口，输入的内容通常为已经设定好的格式化词组，格式化词组的输入方式有利于推理机的识别和运行；输出端为用户提供临床决策意见。临床决策支持系统可用于口腔急诊、创伤及颌面部疼痛的诊断、颌面部疾病的诊治、口腔影像的分析解读、正畸学中对面部生长的分析、头颅侧位片中标志点的确定和治疗计划的制定、牙髓疾病的诊断、口腔修复中可摘局部义齿的设计等[30]。临床决策系统可以为医生提供最合适的治疗方案，并有助于预测治疗效果。

在口腔修复中，已有用于可摘局部义齿设计的专家系统，该系统用Quick Basic和Turbo C混合编程，真实地模拟修复专家的临床检查与诊断，并给出修复前治疗计划和最终的义齿修复设计方案[31]，Wei等[32]开发了一种高精度的计算机配色系统，该系统能准确识别牙色并提供相应的瓷粉配方，其平均色差显著低于视觉评估法的色差值，具有更高的颜色再现精度，从而指导技工更高效地制作修复体，Aliaga等[33]开发了一种能预测不同方案修复体寿命的系统，用于指导医生选择合适的修复材料以及最佳的修复方案，该系统关于复合修复的平均绝对误差为0.42年，银汞合金的平均绝对误差为0.21年，已被证明是监测该领域新技术和指导口腔医生使用不同修复材料的合适系统；在口腔种植中，成像软件通过CT图像以及三维重建的应用，向医生提供了一个完全集成的、优化并正确的多视图3D工作环境。凭借对骨骼结构的3D表面渲染，医生能确定牙槽嵴方向，在3D环境中计算骨体积并识别解剖或病理界限，通过与一些辅助设计软件以及图像引导程序结合，医生还可以选择合适的种植体并模拟种植过程制作种植导板，其精度可以达到（0.283±0.073）mm的定位误差以及（1.798°±0.496°）的定向误差，提高了种植体植入手术的精确性、美观性与安全性[34-36]。

在口腔正畸中，一些学者[37-38]开发了具有神经网络机器学习能力的专家系统，该系统在正畸治疗中给出的拔牙策略与正畸专家对应的准确率达到84%，Noroozi[39]开发的正畸治疗计划软件可以接收图形和数字形式的患者数据，通过计算机程序对一些特殊情况如牙列缺损提供治疗方案；在口腔颌面外科中，申龙朵等[40]研究了用于口腔颌面部创伤诊治的专家系统，该系统通过对相关数据可能性的分析，模拟专家的诊断思维，有助于对颌面部创伤的患者进行急救处理，并为医生提供规范的救治方案。

除此之外，一些学者[41-42]设计的专家系统能分别辅助医生进行松动牙治疗以及外伤性口腔损伤的诊断和管理，医生可以通过专家系统验证治疗计划的有效性，并从专家系统中获得建议。

2.2 疾病发展预测

通过将已有病例及发展情况导入软件，建立出的疾病发展预测模型能够实现对疾病发展的预测，从而作为医生制定治疗计划时的重要参考。以人工智能为基础的疾病发展预测模型可以预测拔牙后肿胀程度，正颌外科骨块移动以及肿瘤淋巴结转移概率，同时还可以用于种植体治疗成功率的预测。疾病预测模型的应用，可以辅助口腔医生在临床中更好的进行治疗设计与实施。

在口腔种植中，Alarifi等[43]介绍了一种预测种植体成功率的神经网络系统，准确率达到99.25%；在口腔正畸-正颌中，Peterman等[44]开发的预测软件可以预测治疗过程中下颌骨的移动，但其精确度有待提高；在牙体牙髓病学中，Park等[45]利用人工智能神经网络建立了牙痛预测模型以探讨日均刷牙次数、刷牙时间、牙线使用、牙刷更换周期等因素对牙痛的影响，用于指导牙痛的预防，以及Pereira等[46]建立了预测下颌阻生第三磨牙拔除后肿胀程度的人工神经网络算法，具有较高的准确性；在口腔黏膜病学中，Bur等[47]开发了一种预测口腔鳞状细胞癌隐匿性淋巴结转移的算法，提高了临床上对患者病理性淋巴结转移的预测能力，研究发现机器学习始终优于基于肿瘤侵入深度（depth of invasion，DOI）的预测模型，因此有必要进一步发展基于多数据的机器学习方法，以确保隐匿性淋巴结疾病患者得到充分治疗，同时避免无病理性淋巴结疾病患者进行不必要的颈部治疗。

3 辅助治疗

口腔疾病手术治疗过程往往需要医生高精度的操作，然而由于医生视野的局限性以及人为的不可控因素，导致某些手术过程难度较大。基于人工智能的手术导航系统、高精度的机器人操作系统以及提高外科医生的视觉和动手能力的集成系统可以辅助手术的进行从而解决上述问题。

3.1 主动导航系统

在进行手术时，外科医生经常面临着因皮肤遮挡或渗出的血液导致视野受限的难题。在一定程度上加大了手术的难度。为了辅助手术进行，一些用于增强外科医生视觉能力的主动导航系统被开发出来。这些系统分为2类：第1类是商业化系统，如STN导航系统（Stryker-Leibinger，Freiburg公司，德国）[48]、Brain Lab导航系统（Brain Lab AG，Munich公司，德国）[49]、和Vo Xim（IVS Technology，Chemnitz公司，德国）[50]；第2类是由学术研究人员[51-52]自行开发的主动导航系统，如Accu Navi（上海交通大学研制，中国）[53-55]。这些主动导航系统有效地解决了医生视野受限的问题，而且与不使用图像导航的传统技术相比，手术时间大大缩短。对于穿透性损伤的患者。在术前利用计算机断层扫描和数字减影血管造影创建受伤区域的三维视图，启用导航系统可以使医生在面部穿透性手术过程中在屏幕上清楚看到异物和手术器械，从而解决了视野受限的问题。

3.2 机器人系统

近年来，人工智能机器人的研究如火如荼，应用越来越广，在医疗领域的应用更是取得了极大突破。牙科机器人作为医疗机器人的一个分支，在口腔医疗的各个领域都发挥着举足轻重的作用。

3.2.1 在口腔正畸中的应用 在口腔正畸与修复方面，机器人系统主要运用于正畸弓丝弯制与全口义齿排牙等方面。Zhang等[56]于2001年提出了一种基于工业机器人的全口义齿排牙系统，该系统能自动生成与患者匹配的牙弓，用于制作全口义齿和弯制正畸弓丝，避免了传统人工排牙中的人为误差，同时极大地提高生产效率及产品的质量，降低生产成本。所以，全口义齿机器人制作系统的研制具有重要的实际应用价值；还有一种采用全新设计结构的多机械臂排牙机器人系统，该系统能根据患者牙齿的前板和后板实现牙弓生成器的实验控制和初步排牙[57]。

3.2.2 在颌面外科中的应用 机器人参与手术可以提供高清的三维放大图像，同时在手术中经微创切口进入体内，能够显著提高手术的精准性、安全性和治疗效果[58]。机器人在颌面外科手术的应用主要是通过机械臂进行正颌模拟手术和唇腭裂手术[59-63]，例如上颌骨截骨前移术与软腭肌肉重建术，主要用于医学生的操作训练与口腔机器人腭裂手术的可行性分析。目前，使用最多的机器人系统为Da Vinci，其是一款新颖、灵活的单臂机器人手术系统，拥有6 mm的机械臂和双目立体内窥镜，可以从0°～30°的渐变角度提供定制的手术解剖视野，与常规手术技术相比，在舌底腺样囊性癌的经口机器人手术中，它展现的先进技术包括：改进的可视化、良好止血功能等，使特殊病变可视化、短期住院、优质术后生活成为可能[64]。机器人在颌面肿瘤外科中也得到了成功运用，Da Vinci机器人手术系统在没有进行下颌骨切除的情况下完成了口咽肿瘤手术治疗[65]。

3.2.3 在口腔种植中的运用 在种植治疗中，机器人系统能够实现手术区域解剖结构的判读重现、术前种植精确设计、手术自动精准实施、手术实时导航校准和即刻种植修复等功能，达到了精准、高效、微创、舒适的手术要求[66]。2013年，第四军医大学口腔医院与北京航空航天大学机器人研究所[67]设计出了自主式种植牙手术机器人与口腔种植规划-手术导航-机器人控制软件系统，实现了个性化种植方案精准规划、术中全程导航与机器人自主控制。在治疗过程中，种植牙手术机器人的机械臂能按照规划路径自主精准运动到预定位置，并依据医生设计的种植体位置、角度和深度进行基托预备，并将种植体拧入基托中。图2展示了该系统的具体工作流程。

图 2 口腔种植规划-手术导航-机器人控制软件系统的工作流程Fig 2 Workflow of the dental implant planning-surgical navigation-surgical navigation-robot control software system

3.3 集成系统

集成系统综合了导航系统和机器人系统的优点，为外科医生进行复杂的手术提供了一个有前景和实用的方法。在集成系统中，外科医生是导航系统和机器人之间的连接点，外科医生负责观察导航系统的显示，并使用机械手控制机器人。与传统的口腔颌面外科手术（oral and maxillofacial surgery，OMS）相比，虽然在一体化系统中人机协同工作提高了外科医生的手术能力，但手术效果仍高度依赖于外科医生的个人知识和经验[68]。

4 术后辅助

人工智能在术后仍能发挥重要作用。术后护理不仅可以帮助患者更好地康复，还能帮助医生及时了解患者术后的情况。随着精准医学的发展，精准护理得以提出。精准护理是以大数据为基础，应用现代信息技术，契合患者的环境和临床数据，拟订针对性的护理方案，为患者提供最有效、最安全、最经济的护理服务[69]。针对术后护理问题，已有WhiteTeeth、Beam Brush、AVORI等应用程序。WhiteTeeth可以通过接收并识别患者拍摄的口腔照片检测患者口腔健康状况，并以推送通知的形式向使用者提出建议，使得戴有固定正畸矫治器的患者保持良好的口腔护理行为，从而减少牙菌斑和牙龈出血现象[70]。与应用程序连接的牙刷Beam Brush可将患者清洁前的数据发送给医生，以便医生在制定治疗计划时充分考虑患者的口腔护理习惯。中国开发的AVORI口腔健康护理软件能随时随地检测牙齿健康状况，患者通过该软件能将刷牙数据实时上传到云端并与私人牙医在线对接，从而定制患者专属清洁模式。

下颌骨切开术等手术方式以及化学疗法和放射疗法会导致患者术后出现语言功能障碍及其他问题，对患者的生活质量产生严重的负面影响，而人工智能的自然语言处理能提高患者的语音清晰度，解决患者术后语言功能障碍的问题，例如机器语言转换技术（voice conversion，VC）[71]能对患者失真的语音进行转换，使患者语音更加清晰易懂。随着电子健康档案的建立，利用自然语言处理（natural language processing，NLP）从非结构化的临床数据中提取口腔表型术语变得尤为重要。利用NLP能获取颅面和口腔表型特征，评估现有的口腔表型并扩充现有的生物医学数据库，以确保及时有效地收纳新的术语[72]。

5 总结与展望

人工智能在口腔医学中的应用已经十分广泛，包括口腔疾病诊断中人工神经网络的应用及智能诊断、提供诊疗计划时临床决策系统与计划软件的参与、治疗过程中导航系统、机器人系统与集成系统的辅助，术后康复中智能软件与自然语言处理系统的参与等。人工智能的应用解决了许多难以用传统诊疗手段解决的问题，提高了口腔诊疗的质量与效率。人工智能的发展方兴未艾，目前人工智能的挑战包括需要具有存储、挖掘和分析能力的可靠、安全的基于web的系统，进一步提高人工智能系统的精确性，实现对患者的个性化治疗，提高机器人系统的精密操作及微创手术能力等，且目前人工智能在口腔领域的应用较为分散，开发出集诊断、决策、辅助治疗等多个功能为一体的智能系统也是人工智能的努力方向，人工智能的研发和应用范围将进一步扩大。相信在不久的将来，人工智能会在口腔诊疗领域发挥更重要的作用——改变医疗手段甚至医疗模式、并将推动口腔医学的发展。笔者有理由相信，人工智能是未来医学创新和改革的强大动力，将给未来口腔医疗技术带来深刻的变化。

利益冲突声明：作者声明本文无利益冲突。