人工智能在正畸教学中的应用

樊琪 朱锦怡 龙虎

[摘要]人工智能（Artificial Intelligence，AI）自诞生以来已经在医学领域取得广泛应用，并且通过人工智能在线课程、虚拟仿真技术、智能机器人等形式参与到医学教育的改革中，同时给口腔正畸学的理论和临床实践的教学带来了新机遇。医学教育应当转变理念适应人工智能的时代潮流，使人工智能在医学教育中发挥更积极的作用。

[关键词]人工智能；医学教育；口腔正畸学；教学改革；应用

[中图分类号]R783.5    [文献标志码]A    [文章编号]1008-6455（2024）02-0191-03

Applications of Numeric Artificial Intelligence in Orthodontic Education

FAN Qi1，2，ZHU Jinyi1，LONG Hu1，2

（1.State Key Laboratory of Oral Diseases & National Center for Stomatology & National Clinical Research Center for Oral Diseases，West China Hospital of Stomatology，Sichuan University，Chengdu 610041，Sichuan，China; 2.Department of Orthodontics，West China Hospital of Stomatology，Sichuan University，Chengdu 610041，Sichuan，China）

Abstract： Artificial Intelligence （AI） has been widely applied in medicine and participated in the reform of medical education in the form of artificial intelligence online courses， virtual simulation technology， robots， etc. New opportunities have been brought by AI in the field of academic theory and clinical practice teaching. Medical education should adapt to the era of artificial intelligence where AI can provide more active effects.

Key words： artificial intelligence; medical education; orthodontics; teaching reform; application

自從1956年“人工智能（Artificial intelligence， AI）”被首次提出，其在各个领域已经逐渐取得广泛应用，含义也已经从机器学习、大数据挖掘、语音识别等抽象的独立概念转变为具体实际的应用[1]。近年来，人工智能在教育领域的应用得到广泛拓展，我国《中共中央国务院关于全面深化新时代教师队伍建设改革的意见》中明确提出，教师应主动适应信息化、人工智能等新技术变革，积极有效开展教育教学。在医学教育领域，人工智能可以通过人工智能在线课程、基于仿真的外科手术模拟、人工智能机器人等形式得到应用。医学专业课的教学必须紧跟技术的进步，以提高学生的岗位胜任力，随着人工智能技术在教育领域应用的逐步推进，医学教育正面临着改进和转型。

1  人工智能的概念与分类

人工智能是指在最少的人为干预下以计算机模拟人的思维过程和认知行为，包括学习、推理、规划等，以完成较复杂的任务。人工智能含义广泛，包含众多研究领域。从算法构建的角度可以将其分为两大类，包括符号人工智能（Symbolic AI）和数字人工智能（Numeric AI）[2]。符号人工智能起源于人工智能的“符号主义（Symbolicism）”，通过将思维过程编辑为结构化的逻辑语句，并且用简单的自然语言单词表示概念[3]，使得机器可以基于人为的逻辑编码学习技能，通过逻辑推理解决问题。其代表成果之一就是专家系统（Expert system），能够通过软件程序的运算模拟人类专家回答问题，但是医学临床问题往往较为复杂，难以通过合理的逻辑编码使符号人工智能完成学习，因而限制了其在医学中的进一步应用。数字人工智能与连接主义（Connectionism）相关，主张通过算法模拟神经网络及神经网络间的连接机制与学习算法。其核心是机器学习（Machine learning，ML），可通过大量的数据自主分析算法以习得技能。通过多层神经网络算法达到机器学习目的的方式即为深度学习（Deep learning，DL）。作为机器学习的子领域，其最广为人知的成果则是AlphaGo，通过大量的棋谱和棋局模拟学习相应的逻辑，最终战胜所有人类棋手。但是与符号人工智能的“思维”过程能够被人类编程并完全理解所不同的是数字人工智能通过大量数据训练所获得的运算过程对于人类来说是“黑匣子”，无法被人类所理解。在医学实践中，这一“黑匣子”现象往往使得医生难以完全相信该人工智能系统[4]。此外，人工智能在医学中的具体应用，还可分为虚拟和实体两个方面[5]。实体应用主要是指各种医疗机器人，而虚拟应用则主要与机器学习相关，包括诊断系统和电子病历管理系统等。

2  人工智能在医学教育中的应用现状

人工智能在医学领域中的实践已经有了较多应用，医学实践已经向人工智能时代转变。Wartman SA等[6]指出当今的医学教育也同样需要从信息时代转换到人工智能的时代，未来的医疗实践将会涉及来自大数据挖掘和人工智能应用等来源的大量数据，因而需要更妥善地看待和处理医生和机器之间的交互。为了使医学生能适应这些医疗实践的转变，医学教育阶段需采取一定措施，使医学生能够更多地关注医疗教育中人与机器的协调工作。

此外，医学生的专业学习需要大量的知识和经验积累，除基础专业知识的学习以外，还要与临床实践相结合，同时需要通过大量的病例学习才能成长。然而，在某些特殊情况下受条件限制而需进行线上教学时，医学生现场实践学习临床操作的机会受到一定程度的影响。在此背景下，进一步响应教学改革，促进人工智能与医学教育的结合能取得一定优势。人工智能在医学教育中的应用目前集中于课程综合分析、辅助学习与学习评估等方面[7]，其中辅助学习的功能除了能够提供基于人工智能的实时反馈，还具有可以实现远程教学、结合虚拟现实及提供大量病例资源等优势。

Stone R等[8]介绍了一种基于人工智能的教学解决方案，可以提供具有交互功能的临床技能教学，实现了学生反馈良好的远程教学。而虚拟现实技术采用多传感器实现实时反馈，创建仿真的虚拟操作环境，对于临床操作的教学具有与生俱来的优势。仅在口腔领域，就已经有DentSim系统、Virtual Education System for Dentistry系统、Individual Dental Education Assistant系统等用于教学的模拟训练系统[9]。除临床操作技能以外，在以影像学为代表的诊断性学科中，人工智能在教学中能够提供海量的病例素材，提高学生的学习效果[10]。Duong MT等[11]则详细介绍了目前放射学教育面临的挑战以及人工智能给出的解决方案，并且提出“精准医学教育”的概念，强调基于人工智能针对每个学生的个性化教学。同样也有实验表明，在口腔影像学的教学中，学生通过电子学习也能够达到与传统教学方式相同的教学效果，并且具有更积极的学习心态[12]。

3  人工智能在正畸教学中的应用现状

口腔正畸学是研究错牙合畸形的病因与机制、诊断分析及预防治疗的实践性学科，是口腔医学的分支学科，专业性较强，尤其是在本科教学中课时占比较少而理论知识庞杂，教学存在较大的困难，学生往往在专业知识和实践操作上的理解有一定的偏差。因此，口腔正畸学的本科教育需要改变传统的教学思想，以便学生更好的学习。人工智能在正畸教学中的應用现状见图1。

图1  人工智能在正畸教学中的应用现状

3.1 正畸专业理论学习：正畸的理论教学模式已经有各个方向的尝试，包括传统教学模式下的基于问题的学习（Problem-based learning，PBL）[13]、以团队为基础的学习（Team-based learning，TBL）、基于案例教学法（Case-based learning，CBL）[14]等方向的尝试，近年来，也有与数字化技术及线上教学相结合的尝试。易俭如等[15]调查了因需线上教学而通过慕课课程（Massive open online course，MOOC）和小规模在线课程（Small private online course，SPOC）进行教学的口腔医学生，调查结果显示仅有少部分同学认为能够有效掌握所教授的理论知识，并且认为该模式缺点主要在于无法实时与教师及同学互动，缺乏实时的反馈，因而难以调动积极性。此外，也有一些通过结合数字化技术进行头影测量、拥挤度分析等理论教学[16-17]，甚至是病例分析教学的教学改革尝试[18]，均取得较理想的效果。但是本质上来说，这些教学改革的尝试只是数字化及人工智能与正畸教学结合的初步尝试，是传统教学模式的一种拓展，本质上仍然没有从信息时代的教学模式转变到人工智能时代。人工智能的进一步引入与融合，或许能为学生所提出的缺乏实时反馈和难以调动学习积极性的问题提供一种解决方案。

3.2 正畸影像资料解读：在影像学的临床实践中，人工智能的图像识别和深度学习的能力得到了极大发挥[19]。例如：深卷积神经网络（Convolution neural network，CNN）算法可以基于CT数据识别脊椎椎体并判断是否有骨折，类似的算法也可以实现骨密度的计算[1]，Lee KS等[20]评估了CNN利用全景片识别骨质疏松症的性能并加以肯定。正畸影像资料对于正畸的诊断至关重要，缺乏经验的正畸医生也常常可能会遇见困难。Bichu YM等[2]总结了人工智能在正畸影像资料解读中的一些应用，包括头影测量、骨龄判断、全景片筛查骨密度、颞下颌关节炎诊断等方面，结论得出人工智能在判断颈椎骨龄和诊断颞下颌关节炎时是准确且稳定的，在头影测量标志点分析方面能够花费更少的时间达到与人工相同的准确度，甚至超过缺乏经验的正畸医生。这些人工智能在正畸影像资料解读方面的应用已经实现了较高的准确度，因而对于缺乏经验的正畸医生来说，人工智能的输出结果则可以作为各项临床判断的参考，即人工智能在正畸影像教学方面的应用价值。例如，医学生可以将手动头影测量的结果与人工智能的输出结果相比较，得到准确性评估的实时反馈，增强影像资料解读的能力。

3.3 正畸临床技能实践

3.3.1 AI辅助正畸治疗方案的制定：正畸治疗方案的制定涉及多方面决策，在正确的诊断基础上还要选择合理的拔牙方案，决定是否进行正颌手术乃至选择合理的矫治器等，其中尤其是拔牙决策的制定受正畸医生的主观性影响较大。基于符号人工智能的专家系统曾经被用于正畸患者的诊断和治疗计划的制定，但是随着机器学习技术的发展，专家系统已经被逐渐淘汰[2]。Li P等[21]利用机器学习形成的人工神经网络（Artificial neural network，ANN）预测拔牙方案，结果显示在决定是否拔牙时人工智能有94%的准确率，而涉及具体拔牙选择和支抗选择时各有84.2%和92.8%的准确率。这表明人工智能可以为经验不足的正畸医生提供良好的指导，这既是人工智能的临床应用，同时也体现了人工智能在正畸教学中的巨大意义。

3.3.2 智能机器人：智能机器人技术在正畸领域有广泛的应用，包括机器人牙科助手、正畸的诊断与模拟、正畸的教育与训练、弯制钢丝、加速牙移动纳米机器人、颌面部手术与植入体机器人、矫治器的自动制作以及颞下颌关节疾病的康复等[22]。其中，智能机器人对医学生进行正畸的教育与训练即是人工智能在正畸教学中的又一应用。仿真的机器人可以模拟患者的表情与动作，口内唾液的流动以及操作失误时的出血反应，甚至是通过传感器模拟咽反射和呕吐等反应，能够听从简单的指令并作出反应，以向口腔医学生提供患者真实的情感反馈，并且最终能够针对口腔医学生的操作做出评价。研究表明，机器人在教学中的应用比传统的人体模型更受医学生的欢迎，同时能够训练医学生处理一些意外的患者动作的能力[23]。

3.3.3 托槽粘接：在正畸治疗过程中，托槽粘接是非常重要的步骤，但是初学者通常较难把握托槽粘接位点的精细调整，导致治疗过程中的多次重定位或者是治疗效果不满意。智能机器人在粘接练习完成后实时提供的反馈是十分有效的[22]。此外，结合虚拟仿真技术进行正畸托槽的粘接教学能够模拟粘接术前至术后的全部流程，能够有效加深对理论知识的理解，促进理论与实践相结合，并且调查有97.6%的学生认为该模式应该加入到日常教学中[24]。

3.3.4 种植支抗植入：正畸临床操作除托槽粘接外，近年来以微种植体作为种植临时支抗也逐渐流行。微种植体支抗的植入涉及颌面外科学甚至是种植学的部分内容，虚拟现实技术在外科手术和教学中的应用已有相关介绍，并且在教学中取得了较为积极的评价[25-26]。国内也已经有利用虚拟现实技术培训种植体植入的相关报道，并表明虚拟现实技术可以强化医师口腔种植操作技能，有利于临床实践[27]。正畸学中的微种植体支抗植入过程相比种植学更为简单，但尚未见将虚拟现实技术利用于微种植体支抗植入教学的相关报道，但是可以预见该培训系统的构建将具有良好的可行性。

4  小结和展望

人工智能时代的来临已经不可否认，其在医学教育领域也必将大有所为。需要指出的是，人工智能并不会完全取代医生的角色，反而会创造出一些新的医生形象。新时代的医学生不应该认为自己只是为机器服务，而应该更积极地参与人工智能系统的设计，正确地利用人工智能诊断系统，适应新时代新角色的心理定位[28]。这些都要求教师在医学教育的过程中转变相应的理念。Han ER等[29]总结未来的医学教育主题其一就是学生要自主地利用先进科技进行个性化、社会化、合理利用资源的主动学习。所以，未来的医学教育改革不仅在于教师，也在于学生。人工智能的引入无疑能更好地发挥学生的主观能动性。尽管目前人工智能在医学教育中的应用尚有众多不足与限制，包括技术开发、数据安全與伦理等问题以及软硬件、人员、资金等限制[7，30]，其在口腔正畸学教学中的应用也处于起步阶段，但是其在医学教育中的应用与实践具有广阔前景。随着科学技术的发展，人工智能与虚拟现实等技术的结合必将在医学教育领域发挥更积极的作用。

[参考文献]

[1]Mintz Y，Brodie R.Introduction to artificial intelligence in medicine[J].Minim Invasive Ther Allied Technol，2019，28（2）：73-81.

[2]Bichu Y M，Hansa I，Bichu A Y，et al.Applications of artificial intelligence and machine learning in orthodontics： a scoping review[J].Prog Orthod，2021，22（1）：18.

[3]Mitchell M.Abstraction and analogy-making in artificial intelligence[J].Ann N Y Acad Sci，2021，1505（1）：79-101.

[4]Paranjape K，Schinkel M，Nannan Panday R，et al.Introducing artificial intelligence training in medical education[J].JMIR Med Educ，2019，5（2）：e16048.

[5]Hamet P，Tremblay J.Artificial intelligence in medicine[J].Metabolism，2017，69s：S36-s40.

[6]Wartman S A，Combs C D.Medical education must move from the information age to the age of artificial intelligence[J].Acad Med，2018，93（8）：1107-1109.

[7]钟敏，胡燕，程茜，等.人工智能在医学教育中的应用现状与思考[J].中国继续医学教育，2020，12（18）：79-81.

[8]Stone R，Reel R，Farrell L.Artificial intelligence meets clinical skills teaching[J].Med Educ，2021，55（11）：1319-1320.

[9]Li Y，Ye H，Ye F，et al.The current situation and future prospects of simulators in dental education[J].J Med Internet Res，2021，23（4）：e23635.

[10]李美静.PBL教学在高职高专口腔正畸学教学中的应用[J].全科口腔医学电子杂志，2018，5（26）：20-21.

[11]Duong M T，Rauschecker A M，Rudie J D，et al.Artificial intelligence for

precision education in radiology[J].Br J Radiol，2019，92（1103）：20190389.

[12]Santos G N，Leite A F，Figueiredo P T，et al.Effectiveness of e-learning in oral radiology education： a systematic review[J].J Dent Educ，2016，80（9）：1126-1139.

[13]马雪敏，李学斌，张翠翠.PBL教学在专科学校口腔正畸学教学中的应用[J].人文之友，2021，41（19）：166-167.

[14]邹林洪，张琳林，彭春.CBL和TBL结合教学法在口腔科学正畸教学中的实践应用研究[J].创新创业理论研究与实践，2021，4（5）：142-145.

[15]易俭如，李宇，赵志河，等.在线教学在口腔正畸学本科教学中的应用[J].中国美容医学，2021，30（5）：147-150.

[16]苏晓霞，廖立，彭怡然，等.数字化整合教学法在口腔正畸头影测量教学中的应用[J].医学教育研究与实践，2021，29（5）：769-772，777.

[17]左志刚，李洪发，王悦，等.数字化三维诊疗技术在口腔正畸教学中的应用效果评价[J].继续医学教育，2021，35（2）：28-29.

[18]张浩，高洁，仇珺，等.数字化技术应用于口腔正畸学研究生病例分析教学中的初步探索[J].中国医药导报，2021，18（28）：67-70.

[19]刘纪洲，刘芳，沈宗霖，等.浅谈人工智能在医学中的实践对医学教育的启发[J].医学食疗与健康，2020，18（21）：190，192.

[20]Lee K S，Jung S K，Ryu J J，et al.Evaluation of transfer learning with deep convolutional neural networks for screening osteoporosis in dental panoramic radiographs[J].J Clin Med，2020，9（2）：392.

[21]Li P，Kong D，Tang T，et al.Orthodontic treatment planning based on artificial neural networks[J].Sci Rep，2019，9（1）：2037.

[22]Adel S，Zaher A，El Harouni N，et al.Robotic applications in orthodontics： changing the face of contemporary clinical care[J].Biomed Res Int，2021，2021：9954615.

[23]Tanzawa T，Futaki K，Tani C，et al.Introduction of a robot patient into dental education[J].Eur J Dent Educ，2012，16（1）：e195-e199.

[24]陈雪婷，陈玉萍，赖颖真.虚拟仿真技术在口腔正畸实验教学中的应用[J].中国继续医学教育，2021，13（17）：49-52.

[25]Mao R Q，Lan L，Kay J，et al.Immersive virtual reality for surgical training： a systematic review[J].J Surg Res，2021，268：40-58.

[26]Ayoub A，Pulijala Y.The application of virtual reality and augmented reality in Oral & Maxillofacial Surgery[J].BMC Oral Health，2019，19（1）：238.

[27]周勇，張思慧，赵晓娴，等.口腔种植治疗培训中虚拟现实技术的应用及评价[J].中华口腔医学杂志，2021，56（8）：799-804.

[28]Masters K.Artificial intelligence in medical education[J].Med Teach，2019，41（9）：976-980.

[29]Han E R，Yeo S，Kim M J，et al.Medical education trends for future physicians in the era of advanced technology and artificial intelligence： an integrative review [J].BMC Med Educ，2019，19（1）：460.

[30]邹陆曦，孙玲.人工智能在医学教育中的应用现状及问题研究[J].卫生职业教育，2021，39（24）：18-20.

[收稿日期]2022-07-03

本文引用格式：樊琪，朱锦怡，龙虎.人工智能在正畸教学中的应用[J].中国美容医学，2024，33（2）：191-194.