人工智能在口腔种植学应用进展

人工智能在口腔种植学应用进展

侯东卉,冯成灿,罗仁惠

广州市中西医结合医院 口腔科 510800

摘要：伴随着口腔种植技术的推广与普及，种植修复已经成为了人们牙齿缺失的主要修复手段。人工智能(AI)作为计算机科学的最新应用领域之一，开始深入各个领域并持续扩大应用。AI将能够改变口腔种植学乃至口腔医学现有的医疗模式，进而为医患双方提供更加有效、智能的服务。本文将对现阶段AI在口腔种植学方面的应用和进展进行综述，并且浅谈自己对于人工智能的认知与展望。

关键词：人工智能、口腔种植学、机器人、深度学习

人工智能（artificial intelligence，AI）作为计算机科学的最新领域之一，自1950年代以来一直被广泛和正式的研究。人工智能的创始人之一约翰麦卡锡将其定义为“制造智能机器的科学和工程”[1]。口腔医学作为一门要求诊疗过程相对精细的学科，对于患处的检查和处理需要达到较高的准确度，而人工智能技术作为计算机科学的分支之一，在此方面具有与生俱来的优势。口腔结构复杂多样，牙齿、神经和血管错综复杂，研究者们尝试利用AI技术来辅助解决口腔科医疗过程中面临的问题，可以帮助临床医生定位患处，辅助治疗，还可以辅助医生实现口腔局部可视化操作，避免诊疗时产生误差或误伤其他组织。目前，AI逐渐深入口腔医学各个分支中并给予极大的帮助。

口腔种植学作为口腔医学中的一门新兴学科，不用损伤邻牙并可以为患者提供与天然牙形态、美观、功能以及固位方面相似的修复效果，具有较佳的长期稳定性，现如今已经逐渐成为了缺失牙修复的首选方式。但目前具有丰富种植临床经验口腔医生非常缺乏，在诊疗过程中面临着较多的困难，例如病例的复杂多样、手术较高的精细程度、手术预后的不确定性等。目前，人工智能在口腔种植中应用主要体现于术前、术后各种影像资料分析，术中辅助外科机器人使用、术后修复体的设计制作、预后评价预测以及种植相关基础方面研究等方面[2]。

图1.通用AI分类定义了三种类型：人工狭义智能（ANI）、通用人工智能（AGI）和人工超级智能（ASI）

要了解当前和未来的人工智能在口腔临床中的应用，我们必须优先了解基本的人工智能技术。图一表示了各种技术之间的关系。人工智能包括机器学习、人工神经网络（ANN）和深度学习在内等的基础技术。人工智能通常分为三类：人工狭义智能（ANI）、人工通用智能（AGI）和人工超级智能（ASI）。ANI被称为弱AI，具有适用于非常特定任务的狭窄能力。这些系统只能其设计的单个任务内执行，不具备处理其他设计外任务的能力[3]。AGI能够进行系统化的学习，具备着超越人类的能力，能够超越我们的理解来学习和改进自己。近年来随着以图像识别技术为代表的的深度学习（DL）技术的快速发展和应用，相关研究主要集中在利用各种来源的医学图像，实现对口腔局部情况的诊断。

1 人工智能在口腔种植影像资料分析中的应用

口腔种植术前影像资料分析是制定种植治疗方案的首要前提，临床医生和影像学专家需要通过影像资料的分析，从而对患者种植部位重要解剖结构信息进行了解。目前人工智能在口腔种植学中主要利用深度学习这一技术作用于影像资料分析。

目前，对于种植体治疗计划、图像引导的种植体手术和随访评估，经常需要进行放射影像学检查。在种植牙领域，研究者已经提出了一些智能算法，用于自动测量无牙颌部位的可用骨量、种植体系统的分类、骨折种植体折裂的识别以及种植体周围骨质流失检测等。Kurt Bayrakdar等人使用3D U-Net开发了一种CNN模型，用于自动检测无牙颌部位、鼻窝、上颌窦和下颌神经管，并在CBCT图像上测量上颌骨和下颌骨的高度和厚度，该模型的无牙颌部位检出率为95.3%，下颌神经管检出率为72.2%，上颌窦/鼻窦检出率为66.4%。上颌前磨牙和臼齿部位以及下颌前磨牙部位骨高度的测量精确度与影像科专家手动测量结果基本相当。然而下颌磨牙部位骨高度和所有部位的骨厚度的自动测量结果并不太理想，这可能是由于测量起始点与终点的确定不正确导致的，也可能由于训练量不足。贾斯卡里团队和Kwak团队都进行了相关深度学习系统的研发，通过分析CBCT影像来自动定位下颌神经管的位置，通过下颌神经管的高度定位来帮助临床医生制定诊疗计划、辅助手术进行[4]。

其次，另一项主要任务是用于种植体分类。临床中无法识别种植体的类型，因此无法将种植体再次作用于修复，是全球约3%种植体被移除的根本原因。大多数开发的模型在区分种植牙系统和品牌方面展示出了理想效果，但目前市场上种植体种类繁多，如何准确分辨一直是临床上困扰医生的一个难题。使用深度学习系统可能有助于克服这一困难，人工智能会随着时间的推移，不断学习并改善自己。最近，研究者开发出了几种基于CNNs架构的智能算法，用于在根尖周和全景X线片上自动分类各种种植体系统，这些算法大多数都达到了出色了的分类准确性（>90%）

[5].

人工智能中深度学习模型还可用于检测种植牙并发症，包括骨质流失和种植体折裂。世界各地患者种植牙数量的快速增长增加了对种植体周围炎症发病率增加的担忧。早期发现种植体周围骨质流失对于预防种植失败非常重要。Liu等人开发了一种基于区域的快速CNNs模型，可在根尖周X光片上自动检测种植牙周围的边缘骨质流失。据报道，该CNNs模型与经验丰富的牙科医生诊断结果存在可观的一致性。Cha等人建立了一个基于区域的CNN模型，可自动测量种植体周围骨质流失率，并对根尖周围X线片上的骨质流失严重程度进行分类，取得了令人满意的效果。Lee等人开发了使用三种不同CNNs的智能算法，以检测根尖周和全景X线片上的种植牙折裂并对其进行了分类，三个CNNs模型都实现了较高的检测精度，AUG范围为0.90至0.98，AUG范围为0.75至0.87，使用根尖周X线片从自动ACNN模型中获得了最高的检测精度（AUG=0.98）和分类精度（AUC=0.87）。

2 人工智能在口腔种植外科操作中的应用

口腔种植技术是目前牙列缺损和牙列缺失的主要修复手段之一。确保长期种植成功率要求种植体在颌骨内放置位置、角度、深度等均有较高精度[6]。操作医生的临床经验、手术时对视野的把控和操作的精确度都会对种植术的成功与否产生较大的影响。近年来随着计算机辅助技术和数字化技术的不断发展和应用，口腔种植手术由传统的自由手种植，发展出了数字化外科导板的静态导航技术和计计算机辅助动态导航技术，显著提高了种植手术的精确度和安全性[7]。但数字化外科导板的静态导航技术存在术前种植导板制作周期长、制作加工费用较高、术中无法更改设计方案、指示位点存在差异等缺点；计算机辅助动态导航技术使用过程中，医师必须监控屏幕上显示的钻头或种植体实时位置，且实时动态导航设备的手机定位装置较大，会影响术者的操作难度，增加手腕的疲惫感。为了优化种植手术的精确度、自动化程度以及术中操作灵活性，降低临床工作者劳动强度，实现术中的稳定性，研究者们开始将目光投入人工智能机器人领域。

口腔种植机器人与动态导航技术一样具有良好的准确性记忆能够及时读取钻头在颌骨内的三维位置，对下列场景特别适用：①种植前可无需翻瓣；②可以准确检测与控制种植体间或者种植体与天然牙间位置和角度；③设备可以有效规避重要口腔解剖结构；④患者开口度过小或者术区过于靠后且无法直视时。不足之处则是机器设备占据空间较大、初期投入昂贵、种植术前需要对患者头颅各指示位点进行定位及术中患者头部大幅度移动后需要重新定位等。随着科技的发展，口腔种植手术机器人进一步升级，将计算机手术规划平台与视觉手术跟踪平台以及机器人操作平台融汇一起，通过机械臂在导航的引导下按照术前的手术规划即可自动完成种植窝洞的制备。术中备洞过程中，光学跟踪定位仪可以实时捕捉到患者头部位移，机械臂也可以实时校准，确保孔洞制备精确。2017年我国首次报道北京航空航天大学与空军医科大学附属口腔医院共同研发成功自主式口腔种植手术机器人，并成功为患者进行了两颗牙齿的即刻种植修复[8]。2018年，吕培军研究团队从改变机械臂夹持种植手机和钻头进行制备种植窝洞的角度出发，提出了将超短脉冲激光技术与口腔种植机器人技术相结合，非接触式自动化制备种植窝洞的新思路，并且开始进行初步研究探索。2019年，北京航空科技大学与日本合作研发了一套口腔颌面外科学手术机器人系统，用于种植牙牙槽骨制备窝洞时，在体外实验中软硬件的精确性都达到了标准，其明显优点为使用天然牙作为标记点，解决了使用额外定位装置来获得头部位置的问题。由此可见，在人工智能中机器人方向在口腔种植外科学手术中的研究应用上中国也走在了世界的前列。仍需注意的是，口腔种植手术机器人技术在国内外的应用仍然不太成熟，需要大量的临床内外研究以及数据支持。

3 人工智能在修复体制作及种植术预后评价的应用

在修复学方向上，随着飞速发展的计算机辅助设计/计算机辅助制作（CAD/CAM）技术，因为目前CAD/CAM技术下的复合树脂牙冠常用于磨牙区的修复，但是因为临床医生模具的制备不当等原因，复合树脂牙冠脱粘概率较高。通过卷积神经网络的作用下，Yamaguchi等人建立了对复合树脂脱粘概率的预测模型，Alarifi等人通过计算机算法来构建预测模型，用于分析临床效果与个体骨水平的关系，应用AI预测种植术成功率，多种神经网络的算法准确率达到了90%以上，其中一种优化的递归神经网络（MSGSRNN）达到了99.45%的准确率，但该实验只是在垂直磨耗上进行了模拟，并不能够模拟真正意义上的咀嚼模式。目前AI与CAD/CAM相互结合，有效提高了修复学的自动化、智能化、精细化。基于反向传播神经网络与遗传算法的结合，色彩匹配精度得到提升，陶瓷修复体与自然牙齿颜色的配对问题也得到了极大的改善。

4 总结和展望

目前人工智能对于医学图像的识别能力、对于大数据进行整合分析的能力已经在大量的研究文献中得到证明。在口腔种植学领域虽然仍在起步阶段，但对于医学数据资料中病灶的识别能力、识别的效率；个性化解剖标记的准确；对于精细化操作的实时临床指导甚至是帮助临床医生进行治疗等方面的研究都足以表明人工智能未来将对口腔种植学掀起到巨大的革新浪潮

[9]。但如今人工智能的发展仍受到很多的局限性：①现阶段存在的自动诊疗等系统虽然显示出了较高的准确性，但其精度仍未达到能够广泛应用于临床的阶段，对于有缺陷的算法容易导致患者出现危害，导致医疗事故的产生；②如今使用的人工智能临床辅助系统需要极高的稳定性，现人工智能发展阶段未达到独立自主阶段，仍需专业人士进行操作；③越高性能的人工智能系统需要越多的数据集进行训练，如今口腔医疗数据具有最高的隐私性，且当前医疗数据未达到一致的标准化、互通化，样本采集难度较大；④数据具有较大偏差；⑤全自动化机器人的伦理方面仍需标准规范。但是，随着数字化技术的发展与革新，相信人工智能技术将在不久的未来深入口腔医学各个部分，作为助手增强医生的临床操作水平、降低医务工作者的临床负担、为患者提供更加优质的服务，实现口腔医学整体的人工智能化。

参考文献

[1]Reddy S, Fox J, Purohit MP. Artificial intelligence-enabled healthcare delivery. J R Soc Med. 2019. 112(1): 22-28.

[2] 时权, 王俊成, 刘洪臣. 口腔种植教学中全科医学思维的培养. 口腔颌面修复学杂志. 2019. 20(6): 347-350.

[3]  Jaskari J, Sahlsten J, et al.牙锥束计算机体层成像体积下颌管分割的深度学习方法[J].学科代表，2020， 10（1）：5842

[4]  郭国荣， 郭荣杰， 宋建军，等.基于深度卷积神经网络的下颌管自动检测[J].学科代表，2020， 10（1）：5711

[5]  陈琳, 魏凌飞, 陈泉林, 许胜, 肖慧娟, 柳忠豪. 计算机辅助动态导航技术在口腔种植手术中的应用. 实用口腔医学杂志. 2020. 36(3): 477-481.

[6]  满毅, 周楠, 杨醒眉. 动态实时导航在口腔种植领域中的临床应用及新进展. 口腔疾病防治. 2020. 28(6): 341-348.

[7]  刘艾芃, 赵娅琴, 王晓华, 邓文正. 实时导航与传统种植牙技术的精确度研究. 中国临床新医学. 2020. 13(4): 345-348.

[8]曹志，秦春，范樊，等.颧骨植入手术机器人系统的中试研究[J].医学工程物理学， 2020， 75：72-78

[9]原福松, 郑剑桥, 张耀鹏, 王勇, 孙玉春, 吕培军. 机器人自动控制超短脉冲激光制备口腔种植窝洞的参数研究. 中华口腔医学杂志. 2018. 53(8): 524-528.

作者简介：侯东卉，女，1992年11月，本科，住院医师，研究方向：主要从事口腔科诊疗。