联
系
客
服
系
客
服
扫码留言
作者:
Joachim Krois 博士 (德国)
柏林夏里特医学院牙齿保存和预防学系
Fabian Langenbach 博士 (德国)
精萃口腔出版社知识管理和数字策略部主管
Falk Schwendicke 教授 (德国)
本文原载于《世界牙科技术》2021年第1期《CAD/CAM专刊》第40-44页。
如今，人工智能（AI）已经越来越多地被引入到口腔医学和口腔修复工艺中。AI开发时，需要大量高质量的代表性数据（representative data）支持。此外，AI系统的用户也要具备相关背景知识，以便能够严格地评估各个AI解决方案。在可预见的将来，AI系统势必会在口腔修复工艺和口腔医学中得到充分的应用，并改善和加速修复体制作过程和牙科工作流程。当然，最终的决定和由此而带来的口腔医学及工艺流程上的责任仍由临床和技工室的专家来承担。
关键词：人工智能，AI，数据，数字素养，智能系统
在过去几年中，基于人工智能（AI）的应用早已迅速地覆盖了生活中的众多领域。出现这一趋势的原因有很多，其中包括计算机性能的快速提高，特别是针对特定AI应用程序，涌现出了功能强大并且更为适合的处理器。此外，作为AI培训和测试基础的数据量，以及数字- 数学模型（尤其是人工神经网络）、其体系结构和算法优化也在飞速发展。大量可自由访问的软件和计算机软件（例如云计算集群）推进了技术普及化（ democratization of technology）。
原则上，AI几乎可以应用于口腔医学和口腔修复工艺的各个领域：图像识别和图像处理，语音、文本和其他数据的交互或某些治疗的预测（风险评估）。具体应用包括：账单的真实性检查、X射线诊断辅助系统和以此为基础的规划设计（例如在种植领域）或以CAD/CAM技术制作口腔医疗组件和医疗产品（例如正畸中的Aligner隐形矫治器）、修复体（嵌体、高嵌体、冠、固定桥、种植修复体、义齿）制作等等。
同时，AI应用容易出现系统性错误，甚至误操纵，并且由于缺乏通用性、可诠释性或鲁棒性（robustness），许多AI系统在临床实践中会失败。AI训练所需的数据选择、数据合并和数据描述是至关重要的。因此，用户要具备AI数字素养，然而目前，这在口腔医学和口腔修复工艺领域尚未得到结构性的开发。无论是今天还是在可预见的未来，AI算法承担着一系列明确的任务（也包括口腔医学和修复工艺方面），并且能在不久的将来与专家合作获得更好的结果。但是，人工智能支持的辅助系统不会使初学者变成专家，它们不会使直觉和经验变得过时，而且在有疑问的情况下也不会承担任何责任。但是，它们可以提供支持并确保质量标准，从而使牙医和牙科技师的日常工作变得更轻松、更可靠，且往往更快、更好。
AI早已出现在牙科修复工艺中，许多都隐藏在自动化流程内。它随着数字印模以及牙科工件的设计和制造（CAD/CAM）领域中工作流程自动化的快速进步而推动。基于AI的使用，软件能够自动检测预备体边缘或对口内扫描图像进行后处理；此外，AI还可以辅助伪影计算并以数字方式“去除”多余的软组织。
自2019德国国际牙科展（IDS）以来，很多制造商都在利用AI系统帮助他们的用户节省时间、减轻他们的工作量并优化流程。尽管到目前为止，术语“人工智能”在此类系统的制造商与客户之间的交流中鲜少发挥作用，但在与专家交流和新闻稿中都明确指出了人工智能的应用。登士柏西诺德公司告诉媒体，通过使用AI，CEREC Software 5中的初始修复体设计建议再次得到了显著完善。其中，AI不仅改善了冠设计的初始建议（图1a），而且整个工作流程的许多方面也都得到了软件的支持。根据制造商的说法，可自动识别修复体的适应证，并标记预备体边缘（请参见图1b中的自动标记预备体边缘）。模型轴也将完全被自动设置。3Shape公司也传达了相似的信息。TRIOS Design Studio的最新版本也引入了AI冠技术。AI冠功能提供给用户一种用于自适应边缘保护的设计建议。从而缩短了加工时间，工作流程也变得更加。
图1：在数字化工作流程中，人工智能支持应用举例（CEREC Software 5）（a）自动检测预备体边缘。（b）冠设计自动初始建议（所有照片提供：登士柏西诺德；许可证： CC BY-ND 4.0）。
如今对牙医来说，这种CAD/CAM技术已经标准化，且在诊所中广泛应用。但是，人工智能将彻底改变另一个领域：口腔医学诊断和治疗计划制定。包括德国柏林夏里特（Charité）医学院在内的多个小组已经在着手开发诊断辅助系统，该系统可以自动检测X线图像，并帮助牙医更轻松、更快速、更完善地完成中期诊断。这些系统已经能够分析X射线图像并检测和分类牙齿、修复体，以及诸如龋齿、根尖透影区等之类的病变（图2）。牙医不再需要自己记录，例如修复体的检查发现，而是能够审视初步的检查结果，然后以类似于临床表征的方式自动存储（完全自动），从而避免错误并节省时间。另外，基于增强的图像，与患者的沟通也变得更容易。
图2：人工智能辅助系统将彻底改变口腔医学影像诊断技术。例如，在柏林Charité开发的dentalXr.ai系统能够全自动分析全景片和咬合翼片。牙医负责检查诊断建议，必要时添加、更改或删除它们，然后自动保存生成的报告。这样可以节省时间，避免在诊断中出现传递错误，并使诊断更加准确。诸如dentalXr.ai之类的系统很快就会被投放到市场。
大量的研究（在眼科和皮肤病治疗中）证明了这种系统的潜力：经过足够数量的图像训练，这些系统在疾病的检查和分类方面甚至做到了比有经验的医生更准确的程度，因此它们可以帮助作出更好的诊断，从而给出更安全、更有效的治疗。在口腔医学方面，这些系统的诊断能力也至少与有经验的医生一样好，系统在牙科教学中的使用也非常有前景。
除了发现生理和病理结构外，人工智能主要用来支持治疗计划的制定：集合常规和特殊病史的数据、临床表征、各种影像和不同测量期间数据点的整合，以及中期以患者自愿提供的数据为补充（例如社交媒体数据、健身追踪器数据、营养数据等）将有助于更深入地了解每位患者的疾病。牙医将能够更早地识别和预防疾病（预防牙科）。诊断和治疗变得越来越个性化和有针对性，因此也越来越有效率（个性化和精准口腔医学）。患者可以比以往更多地参与其中（参与性口腔医学）。这种所谓的P4口腔医学的前景巨大，但是通往那里的道路仍然非常曲折。
AI支持的应用，无论是自动的图像分析还是决策支持系统，其培训、验证和测试都需要大量高质量的专家来初步检查结果的数据。用来识别X线头颅侧位定位片上定位点的AI训练，需要来自不同患者的数千个初步检查的图像数据。为了检测咬合翼片上的龋齿或曲面断层片上的肿瘤或囊肿也需要类似数量的图像。对于罕见疾病，AI辅助诊断会特别有用，但问题是，缺少足够的训练数据。此外，数据质量和数据异构性也是一个问题。数据科学家经常使用“废料进，废品出”一词，这意味着，要获得好的计算结果，输入数据也一样要好。迄今为止，为了创建一个足够大的数据库，在代表性的医院或诊所为具有代表性健康状况的患者群成像仍然是一个巨大的挑战，因为，比如说，须纳入来自不同成像方法制造商的图像材料。
原则上，这种类型的数据通常无法摆脱失真的意外，这对于通用性以及AI系统的成功临床应用都带来了不利的影响。国际电信联盟（ITU）与世界卫生组织（WHO）共同成立了“医疗保健AI（AI4Health）”焦点组，其任务是制定医学AI系统的标准。最近已成立了一个专门研究口腔医学和牙医诊断的主题组。
确定这类针对患者人群、设备制造商、设备版本、数据采集的参数化以及模型训练和评估的标准，仅通过技术和科学的不断进步，即使是中期也被证实是有难度的。
基于AI系统决策的可诠释性很重要，这样才能弄清楚它们的工作方式，并使用户理解如何获得结果。在关于AI模型的可诠释性（explainable AI）这个新兴且发展迅速的领域中，正在开发一些方法，这些方法可以说明AI的哪些特征会用于决策。此外，根据标准测试数据集（基准），AI解决方案的测试是一种可以证明其通用性和鲁棒性的策略。同样，上述的ITU/WHO 小组在这方面也设定了目标，即支持口腔医学发展可解释的、可靠的AI解决方案。
任何技术系统与使用者之间都是相辅相成的。用于自动图像分析或决策支持的软件不会替代牙医或牙科技师的专业能力。困扰AI系统的失真问题或不良影响还会持续很多年。出于这个原因，牙医也不会很快被自动系统所取代。牙医和牙科技师需要具备数字素养，以对牙科领域的AI解决方案的极限和可能性进行严格的评估。他们需要了解AI系统面对的陷阱、障碍和局限性。为了使患者受益，必须具备助手系统如何工作的基础知识。
显然，人工智能专家鉴定的建立必须各方面扎根于医疗保健的所有领域。对于患者来说尤其如此。“ 在进行每次数字牙科干预之前，必须征得患者的知情同意，以示患者自主权的表达。但是，只有在患者完全了解要使用的技术信息并且可以实际评估决策效果的情况下，才能给出真正的知情同意。”
能够增强大众数字素养的一种方法，尤其在AI系统方面，是培训课程和操作培训研讨会（Hands-on-Workshop）。欧盟理事会轮值主席国最近决定提供免费的在线人工智能速成班，课程将以所有欧盟官方语言免费提供给公众。先进大学口腔医学机构（例如与作者Krois和Schwendicke相关的工作组）定期提供有关AI应用和评估的培训课程。在不久的将来，很有可能会提供相似的项目和专为牙医和牙科技师准备的课程，而这些课程将被列为继续教育范畴。
现代AI技术有可能像电发明一样渗透到生活的各个领域。对于口腔医学的机会是多种多样且显而易见的，但也伴随着挑战与风险。现有的用于分析X射线图像或自动设计的系统使口腔修复工艺和口腔医学变得更简单和更好。未来，AI系统将能够根据每个患者确定的风险因素提出很好的治疗方案。
考虑大多数口腔疾病的多因素发病机制以及对治疗结果的多种影响，在将这些参数结合在一起时，人类很快就会达到其极限。吸烟、系统性疾病、多重用药、口腔微生物群、营养及个体遗传和表观遗传课题和原因相互交织在一起，形成一张交互因素难以控制的网。未来属于智能系统，该系统收集和结合所有数据，并实时给出预后或衍生治疗。然而，在可预见的未来，此类系统仅将给出建议并向专家提供所有相关信息，以便他们可以利用这些信息，结合自己的经验和专业能力，按照患者的愿望或期待做出正确的决定。
暂无评论
