人工智能支持的无托槽隐形矫治技术.pdfVIP

人工智能支持的无托槽隐形矫治技术

【摘要】随着数字化医疗与人工智能技术的发展，无托槽隐形矫治技术实现全

流程自动化已成为可能；在多模态正畸数据人工智能诊断、正畸治疗决策与数字

化方案自动生成、远程智能监控等方面，已有一定的研究报道或商业应用。但人

工智能软件开发和应用过程中必须关注临床风险、适用人群以及医疗器械软件合

规性等问题。本文就人工智能在无托槽隐形矫治诊疗及生产流程中的应用及问题

进行分析和总结，并探讨其未来的发展趋势，以供临床参考。

【关键词】人工智能；正畸学；数字化口腔医学；透明矫治器

随着口腔数字化技术的飞速发展，全流程数字化诊疗逐渐成为可能，尤其是

在口腔正畸领域，以无托槽隐形矫治技术为代表的新兴治疗手段已逐步完成临床

数据从实体到数字化、治疗方案从文本到可视化模拟、矫治器从标准化到个性化

的巨大革新，但这一数据处理过程高度依赖人工操作。同时，以深度学习为代表

的人工智能（artificialintelligence，AI）技术快速发展，在疾病预防、医

学数据处理、诊疗决策辅助、药品研发、机器人辅助手术等领域均有广阔的应用

前景，在多个医学领域中被证实具有超越人类医师的能力［1-5］。AI技术的

发展为高度数字化的无托槽隐形矫治技术的进一步发展带来新的契机。

将AI技术与正畸临床需求结合，实现包括数据智能诊断、治疗方案快速生

成、矫治器自动化生产为一体的AI支持的全流程无托槽隐形矫治技术具有重大

的现实意义和广阔的科研前景。本文就AI技术于无托槽隐形矫治诊疗及生产流

程中的应用及问题进行分析和总结，并探讨其未来的发展趋势，以供临床参考。

一、AI支持的多模态图像数据分析

图形图像识别以及相应的诊断分析是AI技术在医学领域应用得最早也是最

成熟的部分。而正畸诊疗数据来源丰富，包括各种X线片、面部及口内照片等多

模态数据，传统正畸过程中，这些数据需由熟练的正畸医师进行定点、测绘和诊

断分析。无托槽隐形矫治技术发展至今，由于人力成本以及生产周期等原因，实

际的矫治器设计制作流程中，临床数据分析环节不够规范。较长一段时间，无托

槽隐形矫治器生产厂商不要求医师提供数据分析，也不进行图像数据分析，而A

I辅助软件目前已成为这一过程中的强力工具，其精度和效率均足以满足临床需

求。

1.传统X线片数据分析：对于头颅侧位X线片分析，近期研究显示，AI模

型的标志点预测准确性可超过90%［6-8］。多项研究证实，AI模型定点结果可

媲美经验丰富的正畸医师；而效率方面，AI模型分析可将数据分析用时减少至1

/80［9］。骨龄预测方面，相比于人类医师58%至90%的判断准确率，Seo等［1

0］基于卷积神经网络（convolutionalneuralnetwork，CNN）算法构建的AI

模型准确率可超过90%。

对于曲面体层X线片分析，AI模型可进行牙齿影像的实例分割，牙齿及周

边结构的准确分割识别是进一步诊断的基础，目前，基于FasterR-CNNIncep

tionv2算法模型的预测方法，平均准确率可达96.52%［11］，足以满足临床需

求。在这种分割算法的基础上，算法模型还可自动检测和编号儿童曲面体层X

线片中的乳牙，以提高乳牙位置识别的准确性［12］。AI还可用于评估牙齿发

育阶段，其验证集平均准确率达99.5%［13］。AI还可用于诊断曲面体层X线片

上牙齿及周围组织疾病，已有研究对相关软件的21类口腔疾病诊断功能进行可

靠性评估，证实模型预测结果与人类医师结果有较高的一致性［14］。

总体而言，AI支持的传统X线片数据分析模型已相对成熟，且已有大量软

件工具问世，较多医师已借以辅助临床工作。值得一提的是，目前正畸的辅助软

件均未获得医疗器械注册证，笔者认为AI辅助分析软件必须在专业正畸医师的

监管下，用于辅助正畸临床数据分析，不能直接用于临床诊断。

2.可见光照片数据分析：正畸临床常规采集的可见光照片主要为多角度面像

与像，正畸过程中需多次采集，图像数据的手动分拣工作可增加正畸医师的临床

负担。目前已有研究针对正畸图像自动化分类问题开发相关AI模型，其识别准

确率高达98%及以上［15-16］，可协助正畸医师更好地管理临床数据。与此同

时，AI还可借助面部照片自动识别面部特征点，实现十余项正畸测量指标的自

动分析［17］。利用口内照片进行错牙合畸形自动化诊断的研究中，AI模型可

实现磨牙以及前牙咬合关系预测，虽然预测准确率超过88%，但受制于口内照片

拍摄角