人工智能翻开口腔医学新篇章

孙玉春 李 骋 陈 虎

随着计算机技术的不断发展和“大数据时代”的到来，人工智能技术（artificial intelligence，AI）迅速席卷多个领域。口腔医学的数字化、智能化展现出强劲的发展势头。基于人工智能的机器视觉诊断系统、自主导航与定位系统、专家系统及医疗机器人等技术已应用于口腔临床诊疗的多个领域。在享受人工智能技术带来的更精准、更高效、更实用的医疗临床服务的同时，其监管问题、安全问题、伦理问题同样值得引起重视。只有建立健全的监管机制、持续致力于提升人工智能技术的医学应用安全性、充分保护个人和大数据隐私，才能使口腔医学真正成为人工智能技术的受益者。本文将简要介绍人工智能技术的基本概念，及在口腔医学各专业领域中的应用进展及优势，并思考其现存问题与挑战，为相关研究与口腔应用提供参考。

一、什么是人工智能（artificial intelligence，AI）

人工智能[1]一词在1956年由John McCarthy等首次提出，旨在制造机器以模拟人类的思维方式，来执行通常由人类执行的任务。传统AI基于规则和显示编程来产生专门的结果，随着智能技术的发展，新一代的AI利用特征学习和映射来推断规则。机器学习（machine learning，ML）、人工神经网络（artificial neural network,ANN）、深度学习（deep learning，DL）为AI的重要子领域。在经典机器学习中，特征由人类专家设计；在深度学习中，无需人工特征设计，直接进行相关特征的学习和映射，有利于学习复杂的数据结构。

1.机器学习[2]（machine learning，ML）：机器学习描述计算机无需解释性编程，学习数据中的内在统计模式和结构，从而进行预测的方法。其结合计算机模型和算法，尝试优化输入和输出之间的“映射”，即利用数据，训练模型，然后使用模型进行预测。ANN是目前最流行的一种机器学习模型。

2.人工神经网络（artificial neural network,ANN）：人工神经网络[3]模仿生物神经网络结构，具有3个不同的层：输入层、隐藏层、输出层，主要组成部分为人工神经元。通过设计、组装并连接人工神经元，调整内部节点之间相互连接关系，达到处理信息的目的，进而解决图像分类（如牙科放射线图像是否有龋坏）或图像分割（如显示龋坏的边界）等特定任务。

3.深度学习（deep learning，DL）：随着数据量的扩增及算法上的改进和优化，神经网络的层数变得越来越多。深层神经网络[4]，指非单一隐藏层，而是包含了更多隐藏层的神经网络。对于一个层数较多的深层神经网络，若采用传统的误差反向传播算法，学习速度很慢，且网络在训练过程中易陷入局部极小及出现“过拟合”、出现梯度消散并影响精度。深度学习对于复杂的数据结构特别有用，其通过特征学习选择初始特征，初始值更接近全局最优解，并通过逐层特征变换，使分类或预测更容易，解决了易陷入局部最优解难题，并且训练多层网络速度更快。

口腔临床医疗的可直视操作范围局限，龋病、根尖周疾病、颌面外科囊肿、肿瘤等诊断常依赖于影像资料。且近年来，计算机辅助设计/计算机辅助制造（CAD/CAM）技术在口腔医疗中应广泛，发展出众多基于机器学习的人工智能技术对口腔影像、图形进行自动分类与边界分割、修复体边界自动识别与设计，从而辅助临床诊断与治疗。

二、人工智能在口腔医学中的应用

随着大数据时代的到来，基于机器学习的人工智能技术，尤其是人工神经网络技术发展迅速，相关研究已涉及口腔医疗多个领域。

1.牙体牙髓病：龋病是最常见口腔疾病之一，为牙体硬组织的慢性进行性破坏，可持续发展为牙髓炎及根尖周炎。基于大数据的人工神经网络可：①进行牙齿自动检测和编号[5]、龋病的早期预测及早期预防，如通过视觉传感系统采集口腔信息的智能牙刷，实时监控人们日常口腔卫生健康以及牙齿状况[6]；②Lee等[7]基于深度卷积神经网络（convolutional neural networks,CNN）在前磨牙和磨牙上的根尖X片上检测龋齿，准确率为82.0%。Orhan等[8]在锥束计算机断层扫描（CBCT）图像上检测根尖周病变，准确率高达92.8%；③基于CBCT检测双根管、细小根尖孔定位，微型机器人辅助医生完成复杂根管的治疗。人工智能技术可快速完成对患者的健康信息收集、数据分析及治疗方案设计。提高了检测效率，降低了人工与时间成本，缩短了复杂多样的根管治疗耗时，降低了根管遗漏、根管过度预备、侧穿、根尖孔破坏等不良事件的发生率。

2.牙周病：牙周病是指发生在牙齿支持组织（牙龈、牙周膜、牙槽骨、牙骨质）上的慢性感染性疾病，一旦发生很难彻底终止和恢复，其早发现、早诊断、早治疗至关重要。Lee等[9]将CNN应用于X线片，诊断健康牙齿、中度及重度牙周受损，获得了较高的预测准确度。Feres等[10]利用机器学习来识别细菌种类及负载量，区分侵袭性牙周炎与慢性牙周炎；Chang等[11]自动检测影像学上牙周骨丧失量、辅助牙周炎的诊断及分类分期。

3.口腔正畸：正畸矫治方案的制定涉及诸多复杂因素，高度依赖医生的临床经验，一旦决策失误，有可能对患者造成不可逆性伤害。基于大数据的人工神经网络可进行：①头影测量标志点自动识别、头影测量结果自动分析、辅助医生判定正畸患者是否需要拔牙矫治、辅助医生进行治疗方案确定。Park等[12]使用基于YOLOv3算法的人工智能，自动识别80个测量标志点的精度与人工识别无明显差异；②三维虚拟预测牙齿移动方式、虚拟预测面型变化，改善医患沟通，辅助患者参与的个性化矫治方案的制定；③弓丝弯曲机器人及基于大数据的人工智能CAD/CAM矫治器，如快速弯制正畸弓丝的机器人系统（LAMDA系统）、MotomanUP6机器人、Sure Smile系统[13,14]等，可改善传统人工弓丝弯制耗时、费力的缺点，缩短诊疗时间，提升治疗效率及患者舒适度。

4.口腔修复：结合人工智能的CAD/CAM技术可设计制造出更符合功能、美学及患者需求的个性化修复体[15]。利用人工智能可在个性化基台上完成数字化氧化锆冠的设计、前牙美学数字化微笑设计等。笔者长期致力于义齿大规模精准仿生制造，历时20余年研究义齿复杂个性化自由结构的智能建模、精准打印和性能调控机制，实现了从“口腔生理解剖特征”到“复杂个性义齿结构”的快速精准转换，解决了个性仿生义齿高精高效设计制造的难题，所研发的国内首套商品化的活动修复智能义齿设计软件已实现大规模临床应用[16]。通过融合大数据挖掘、人工智能技术，提供自动方案设计和推荐，降低了对临床医学专家经验和操作技巧的依赖程度，快速提升基层和年轻医生的临床技术水平与义齿修复效果，通过提供直观的智能设计三维模型，便于医生和患者、技师交流，相关专利转化产品iPDentureTM（南京前知智能科技有限公司）已应用于65万例国内外牙列缺损、缺失患者，提高了相关修复体的设计效率和效果[17]。近年来，机器人也开始应用于口腔修复领域，主要包括自动牙体预备机器人、排牙机器人、种植机器人等。研究表明：①自动牙体预备机器人虚拟设计备牙方案，可获得与人工预备相似的精确度；②排牙机器人缩短了排牙时间、提高了效率及治疗质量；③种植机器人可辅助精确定位，完成牙槽骨钻孔等操作，保护神经、血管等重要面部结构。赵铱民教授的团队，开发了一套高度自动化的口腔种植机器人系统，已完成了原型机的制作，并且在动物口内进行种植体手术的结果显示：机器人组种植体颈部偏差[M（Q）]为0.269（0.152）mm、根部偏差为0.254（0.218）mm、角度偏差为0.989°（0.517°），准确性优于数字化全程导板[18]。基于根尖X片的深度学习方法，可用于自动检测种植体周围边缘骨丢失。灵敏度、特异度、误诊率、漏诊率、阳性预测值等评估指标数据表明，AI系统达到住院牙医水平[19]。可见利用数字化临床工具，提高了修复效率及质量，降低了医生的工作难度与强度，提升了工作效率。

5.口腔颌面外科：人工智能辅助口腔颌面外科的手术方案设计、导板制作及动态导航手术机器人的应用，可：①提供术前预测辅助临床决策，例如囊肿、肿瘤及癌前病变的早期诊断及自动分类诊断、病变组织与正常组织的界限自动识别。Ma等[20]提出基于高光谱图像特征的深度学习算法，在动物模型头颈部肿瘤检测的精确度高达91.36%。病变与正常组织的界限自动检测与划定，可辅助医生判断适宜的切除范围[21]。Kearney等[22]基于机器学习的放疗区域勾勒，确保放疗区域的精准化、最小化，减少对周围正常组织的不利影响；②实现手术精准定位，有效缩短术中医生操作时间、降低疲劳程度；③动态导航实现术中实时自动重新定位，提高手术安全性。Chao等[23]和Gui等[24]开发了一种新型导航引导机器人系统，并成功执行了截骨手术和Le FortⅠ手术；④基于大数据与患者个性化数据的综合分析，提供术后并发症预测，肿瘤进程预测、生存预测等。Zhang等[25]建立了预测下颌第三磨牙摘除后面部肿胀的神经网络模型。Kim等[26]提出了一种基于深度学习的口腔鳞状细胞癌生存预测模型，相比传统方法有更高的预测准确性。

三、人工智能的技术优势

基于深度学习和计算机视觉人工智能，可进行数字健康大数据的收集、储存、管理、处理；整合不同领域的异质数据、评估多层次多因素的数据（例如，牙科历史病历、患者可穿戴设备收集的日常健康数据、患者牙科X光/CBCT影像数据、生物分子检验数据等），从而得出更客观的分析结果，辅助疾病诊断，提供临床决策支持，克服了基层口腔医生专业知识不足的问题。基于口腔影像检查图像的人工神经网络甚至可以识别出人眼无法察觉的细微偏差，从而辅助口腔医生的诊断。

相比于其他医疗领域，口腔临床医疗的可直视操作范围更为局限，特别适合发挥人工智能机器人技术的优势进行辅助。自动牙体预备、排牙、种植机器人、弓丝弯制机器人、动态导航手术机器人等，避免了医生临床操作的主观性、降低医生疲劳、减小人眼视觉误差，操作标准化、精确性更高，具有微创、省时、高效等优势，同时降低医生的人工和时间成本，减轻老龄化带来的口腔就诊需求不断增加的压力，从而支持实现世界卫生组织（WHO）的“8020计划（即80岁的老人至少应有20颗功能牙）”，支持《“健康中国2030”规划纲要》中“健康中国、健康口腔”的国家战略需求。

四、人工智能面临的挑战

人工智能的医学应用及产业化，一方面可以普遍性的快速提高口腔医疗服务质量，让更多患者受益，分担医生的重担，辅助临床决策，减少误诊漏诊。另一方面，风险亦不可小觑，监管问题、安全问题、伦理问题值得重视。

人工智能的口腔医学应用主要以口腔诊疗过程中产生的海量医疗健康大数据为基础，如果不能有效进行监管，导致病人的健康隐私泄露，可能导致个人和群体的物质损失、精神伤害、歧视或污名化，给患者、医生、机构带来巨大负面影响。目前我国数据主体的隐私泄露情况屡见不鲜，如有境外医疗信息公司试图获取我国的医保信息、病人信息，分析我国公民的疾病谱等以达到不法目的，将进一步危害国家和社会安全、损害国家利益。

进一步，患者的安全是口腔诊疗的首要原则，同样，人工智能产品的质量和作出决策的可靠性至关重要。如果人工智能学习的样本数据不具有代表性（例如，从临床收集的数据可能病情过重、从可穿戴设备收集的数据可能较为健康；口腔患者的年龄、性别、民族分布不均匀、口腔专家的诊疗水平不一或标注真值的标准不一），判断和执行结果可能出现偏倚，进一步导致种族、性别、收入等歧视；如果出现错误，而人工智能又很难自动终止，则可能将患者置于危险之中。面向大规模群体广泛应用时、危害公共健康影响范围将会扩大。此外，口腔临床应用的人工智能产品需是可解释的和透明的，人工智能系统能够被描述、核查和再现。可解释的和透明的人工智能有利于部门监管与社会监督；由于其复杂性，人工智能系统通常被视为“黑匣子”，但不可解释的人工智能可能导致安全、信任问题，且一旦决策错误或产生故障，将面临医疗事故中的法律责任难以界定、无法追责等诸多法律风险。

综上，努力建立健全人工智能口腔医疗有关的法律法规和监管制度、提升人工智能医学应用的安全性、充分保护个人隐私、树立伦理意识，建立健全相应的伦理治理机制至关重要。人工智能的技术进步配合健全的监管机制，有可能彻底改变口腔医疗保健与诊疗，以更低的成本提升口腔护理、诊疗水平，从而翻开口腔医学新篇章，助力人类口腔健康的事业发展。