口腔診療中人工智能的運(yùn)用

田而慷 向倩蓉 趙欣然 彭佳涵 舒睿

1.口腔疾病研究國家重點(diǎn)實(shí)驗(yàn)室 國家口腔疾病臨床醫(yī)學(xué)研究中心四川大學(xué)華西口腔醫(yī)學(xué)院 成都 610041；2..口腔疾病研究國家重點(diǎn)實(shí)驗(yàn)室 國家口腔疾病臨床醫(yī)學(xué)研究中心四川大學(xué)華西口腔醫(yī)院兒童口腔科 成都 610041

人工智能的目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作，以減輕人類的負(fù)擔(dān)，提高工作效率。該領(lǐng)域的研究包括智能機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

目前，人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用十分廣泛，具體體現(xiàn)為智能影像識別系統(tǒng)、醫(yī)療決策系統(tǒng)、語音智能系統(tǒng)等。口腔醫(yī)學(xué)作為醫(yī)學(xué)領(lǐng)域的重要組成部分，在口腔疾病診斷、口腔診療計(jì)劃的制定、診療過程中的輔助，以及術(shù)后的輔助康復(fù)等各個(gè)方面，人工智能都發(fā)揮著重要的作用，且其應(yīng)用日益廣泛。圖1總結(jié)了人工智能在口腔診療過程中的應(yīng)用。

圖 1 人工智能在口腔診療過程中的應(yīng)用Fig 1 Application of artificial intelligence in oral diagnosis and treatment

1 口腔疾病診斷

診斷是從醫(yī)學(xué)角度對人們的精神和體質(zhì)狀態(tài)做出的判斷，口腔疾病診斷是口腔疾病預(yù)防、治療、預(yù)后的前提，在整個(gè)診療過程中有著舉足輕重的地位[1]。影像數(shù)據(jù)通過對口腔軟硬組織的成像，是口腔疾病診斷的主要依據(jù)之一，利用人工智能的人工神經(jīng)網(wǎng)絡(luò)能有效地改進(jìn)CT圖像的重建精度。此外，人工智能能對口腔影像信息進(jìn)行智能識別，以實(shí)現(xiàn)口腔疾病的智能化診斷，如在口腔修復(fù)中利用智能系統(tǒng)識別空化牙表面信號測量牙齒內(nèi)部空腔直徑[2]、在口腔種植中利用人工智能模型鑒別骨質(zhì)疏松患者[3]、在牙體牙髓病學(xué)中利用神經(jīng)網(wǎng)絡(luò)算法檢測齲齒[4]、在口腔黏膜病學(xué)中利用機(jī)器學(xué)習(xí)分類器實(shí)現(xiàn)對不同程度口腔鱗狀細(xì)胞癌的分類[5]等。

1.1 提高CT成像效果

機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)的一個(gè)分支，是建立以數(shù)據(jù)為導(dǎo)向的算法。其中，由節(jié)點(diǎn)和權(quán)值組成的神經(jīng)網(wǎng)絡(luò)（neural network，NN）是早期發(fā)展起來的人工智能算法之一。簡單的只有幾層的網(wǎng)絡(luò)結(jié)構(gòu)被稱為淺層學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，而多層網(wǎng)絡(luò)結(jié)構(gòu)被稱為深層學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。深層學(xué)習(xí)結(jié)構(gòu)被稱為卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network，CNN），它能從抽象的濾波器層中提取出許多特征，主要用于處理大而復(fù)雜的圖像[6]。Chen等[7]將反褶積網(wǎng)絡(luò)和捷徑連接結(jié)合到CNN模型中，稱之為剩余編解碼卷積神經(jīng)網(wǎng)絡(luò)（residual convolutional neural network，RED-CNN），該網(wǎng)絡(luò)由10層組成，包括5個(gè)卷積層和5個(gè)反卷積層對稱排列。捷徑連接匹配卷積層和反卷積層，每一層后面跟著它的校正線性單位（rectified linear unit，ReLU），用于低劑量CT成像，在噪聲抑制、結(jié)構(gòu)保存和損傷檢測方面得到了良好的效果，解決了傳統(tǒng)的圖像重建方法在保留結(jié)構(gòu)細(xì)節(jié)時(shí)不能很好地消除圖像噪聲節(jié)點(diǎn)的問題，提高了CT圖像重建的效果；Wolterink等[8]利用CNN與對抗性CNN聯(lián)合訓(xùn)練，同樣降低了CT圖像重建中的圖像噪聲，提高了重建效果。CNN在口腔領(lǐng)域已經(jīng)得到了廣泛運(yùn)用，表1[9-22]總結(jié)了不同類型的CNN在口腔領(lǐng)域的運(yùn)用。可以發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)在各種口腔疾病的檢測與定位上的準(zhǔn)確率均較高，人工智能在該方面的運(yùn)用能夠顯著提高口腔醫(yī)生診斷口腔疾病的效率，節(jié)約醫(yī)患雙方的時(shí)間，降低口腔疾病診斷的難度。

1.2 智能診斷

除了提高CT圖像重建效果，人工智能還能實(shí)現(xiàn)對口腔疾病的智能化診斷。人工神經(jīng)網(wǎng)絡(luò)能夠?qū)谇惶卣鬟M(jìn)行識別，并結(jié)合已有數(shù)據(jù)實(shí)現(xiàn)智能化分析，可以提高臨床診斷效率。在口腔修復(fù)中，Rahman等[2]提出了一種能夠測量牙齒表面空腔直徑的智能系統(tǒng)，該系統(tǒng)通過掃描成像、模糊邏輯特征提取和單層感知器（single layer perceptron，SLP）神經(jīng)網(wǎng)絡(luò)對反射信號的分類這3步得到牙齒表面空腔直徑，能精確地測量直徑在0.6 mm以下的空腔，該系統(tǒng)可以很容易地集成到現(xiàn)有的口腔修復(fù)支持系統(tǒng)中，有利于提高牙齒修復(fù)的成功率，且使用的設(shè)備成本低、效果好，可以在不需要任何額外硬件的情況下進(jìn)一步提高分辨率；在口腔種植中，已有多種人工智能模型能對正常和骨質(zhì)疏松的受試者進(jìn)行全景X線片分類，其準(zhǔn)確性、敏感性和特異性均達(dá)到95%以上，可以在種植治療前輔助醫(yī)生鑒別骨質(zhì)疏松患者，提高治療成功率[3]；在牙體牙髓病學(xué)中，一些學(xué)者[4,23]通過研究發(fā)現(xiàn)，人工智能中基于圖像識別的深層神經(jīng)網(wǎng)絡(luò)算法能對齲齒進(jìn)行精確診斷，對前磨牙和磨牙的診斷準(zhǔn)確率分別為89.0%和88.0%，有望成為診斷齲病的有效方法之一；在口腔頜面外科中，Lee等[24]開發(fā)了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)輔助檢測系統(tǒng)，用于牙周損害牙（periodontally compromised teeth，PCT）的診斷以及決定是否拔牙，其中前磨牙PCT診斷準(zhǔn)確率為81.0%，磨牙PCT診斷準(zhǔn)確率為76.7%，決定拔牙的準(zhǔn)確率分別為82.8%和73.4%；Lin等[25]提出了一種用于診斷牙周炎的算法，通過ABLIfBm閾值分割方法將射線照片圖像轉(zhuǎn)化為特征圖像，并利用Otsu閾值法將特征圖像分割為正常區(qū)域和骨丟失區(qū)域，從而判斷患者的牙周情況，其準(zhǔn)確率達(dá)到了92.5%；在口腔黏膜病學(xué)中，人工智能還能實(shí)現(xiàn)對囊腫或腫瘤的自動分類，一些學(xué)者[26-27]介紹了2種用于牙源性囊腫的自動分類器，正確率分別為83.8%～92.3%和（90%±0.92%）～（95.4%±1.94%）；Rana等[28]介紹了一種自動識別腫瘤邊緣的程序，能實(shí)現(xiàn)對腫瘤的定位與腫瘤大小的評估，該程序的速度與其他方法相比分割明顯加快，而準(zhǔn)確度無顯著差異；而Ashizawa等[29]構(gòu)建的基于機(jī)器學(xué)習(xí)的頭頸部鱗狀細(xì)胞癌診斷算法能夠精確識別腫瘤邊緣，其精確性達(dá)到95.35%，有利于判斷腫瘤的切除范圍。

表 1 CNN在口腔領(lǐng)域中的應(yīng)用Tab 1 Application of CNN in the field of stomatology

2 術(shù)前規(guī)劃

常規(guī)的診療計(jì)劃是由醫(yī)生根據(jù)專業(yè)知識及經(jīng)驗(yàn)制定的，但醫(yī)生的知識儲備和臨床經(jīng)驗(yàn)都有限，且不可避免地存在人為誤差，基于人工智能的臨床決策支持系統(tǒng)和計(jì)劃軟件可以很好地解決這些問題，兩者相輔相成，在臨床決策中起到重要作用。人工智能強(qiáng)大的數(shù)據(jù)處理能力使其能存儲大量病例并不斷對自身進(jìn)行更新，從而根據(jù)患者的情況提供最完美的治療方案，并對治療效果以及疾病發(fā)展做出預(yù)測。

2.1 輔助臨床決策

臨床決策支持系統(tǒng)是用于輔助醫(yī)生臨床決策的計(jì)算機(jī)軟件系統(tǒng)。一個(gè)臨床決策支持系統(tǒng)包括輸入、輸出和運(yùn)行機(jī)制3個(gè)方面。輸入端是信息輸入的窗口，輸入的內(nèi)容通常為已經(jīng)設(shè)定好的格式化詞組，格式化詞組的輸入方式有利于推理機(jī)的識別和運(yùn)行；輸出端為用戶提供臨床決策意見。臨床決策支持系統(tǒng)可用于口腔急診、創(chuàng)傷及頜面部疼痛的診斷、頜面部疾病的診治、口腔影像的分析解讀、正畸學(xué)中對面部生長的分析、頭顱側(cè)位片中標(biāo)志點(diǎn)的確定和治療計(jì)劃的制定、牙髓疾病的診斷、口腔修復(fù)中可摘局部義齒的設(shè)計(jì)等[30]。臨床決策系統(tǒng)可以為醫(yī)生提供最合適的治療方案，并有助于預(yù)測治療效果。

在口腔修復(fù)中，已有用于可摘局部義齒設(shè)計(jì)的專家系統(tǒng)，該系統(tǒng)用Quick Basic和Turbo C混合編程，真實(shí)地模擬修復(fù)專家的臨床檢查與診斷，并給出修復(fù)前治療計(jì)劃和最終的義齒修復(fù)設(shè)計(jì)方案[31]，Wei等[32]開發(fā)了一種高精度的計(jì)算機(jī)配色系統(tǒng)，該系統(tǒng)能準(zhǔn)確識別牙色并提供相應(yīng)的瓷粉配方，其平均色差顯著低于視覺評估法的色差值，具有更高的顏色再現(xiàn)精度，從而指導(dǎo)技工更高效地制作修復(fù)體，Aliaga等[33]開發(fā)了一種能預(yù)測不同方案修復(fù)體壽命的系統(tǒng)，用于指導(dǎo)醫(yī)生選擇合適的修復(fù)材料以及最佳的修復(fù)方案，該系統(tǒng)關(guān)于復(fù)合修復(fù)的平均絕對誤差為0.42年，銀汞合金的平均絕對誤差為0.21年，已被證明是監(jiān)測該領(lǐng)域新技術(shù)和指導(dǎo)口腔醫(yī)生使用不同修復(fù)材料的合適系統(tǒng)；在口腔種植中，成像軟件通過CT圖像以及三維重建的應(yīng)用，向醫(yī)生提供了一個(gè)完全集成的、優(yōu)化并正確的多視圖3D工作環(huán)境。憑借對骨骼結(jié)構(gòu)的3D表面渲染，醫(yī)生能確定牙槽嵴方向，在3D環(huán)境中計(jì)算骨體積并識別解剖或病理界限，通過與一些輔助設(shè)計(jì)軟件以及圖像引導(dǎo)程序結(jié)合，醫(yī)生還可以選擇合適的種植體并模擬種植過程制作種植導(dǎo)板，其精度可以達(dá)到（0.283±0.073）mm的定位誤差以及（1.798°±0.496°）的定向誤差，提高了種植體植入手術(shù)的精確性、美觀性與安全性[34-36]。

在口腔正畸中，一些學(xué)者[37-38]開發(fā)了具有神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)能力的專家系統(tǒng)，該系統(tǒng)在正畸治療中給出的拔牙策略與正畸專家對應(yīng)的準(zhǔn)確率達(dá)到84%，Noroozi[39]開發(fā)的正畸治療計(jì)劃軟件可以接收圖形和數(shù)字形式的患者數(shù)據(jù)，通過計(jì)算機(jī)程序?qū)σ恍┨厥馇闆r如牙列缺損提供治療方案；在口腔頜面外科中，申龍朵等[40]研究了用于口腔頜面部創(chuàng)傷診治的專家系統(tǒng)，該系統(tǒng)通過對相關(guān)數(shù)據(jù)可能性的分析，模擬專家的診斷思維，有助于對頜面部創(chuàng)傷的患者進(jìn)行急救處理，并為醫(yī)生提供規(guī)范的救治方案。

除此之外，一些學(xué)者[41-42]設(shè)計(jì)的專家系統(tǒng)能分別輔助醫(yī)生進(jìn)行松動牙治療以及外傷性口腔損傷的診斷和管理，醫(yī)生可以通過專家系統(tǒng)驗(yàn)證治療計(jì)劃的有效性，并從專家系統(tǒng)中獲得建議。

2.2 疾病發(fā)展預(yù)測

通過將已有病例及發(fā)展情況導(dǎo)入軟件，建立出的疾病發(fā)展預(yù)測模型能夠?qū)崿F(xiàn)對疾病發(fā)展的預(yù)測，從而作為醫(yī)生制定治療計(jì)劃時(shí)的重要參考。以人工智能為基礎(chǔ)的疾病發(fā)展預(yù)測模型可以預(yù)測拔牙后腫脹程度，正頜外科骨塊移動以及腫瘤淋巴結(jié)轉(zhuǎn)移概率，同時(shí)還可以用于種植體治療成功率的預(yù)測。疾病預(yù)測模型的應(yīng)用，可以輔助口腔醫(yī)生在臨床中更好的進(jìn)行治療設(shè)計(jì)與實(shí)施。

在口腔種植中，Alarifi等[43]介紹了一種預(yù)測種植體成功率的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，準(zhǔn)確率達(dá)到99.25%；在口腔正畸-正頜中，Peterman等[44]開發(fā)的預(yù)測軟件可以預(yù)測治療過程中下頜骨的移動，但其精確度有待提高；在牙體牙髓病學(xué)中，Park等[45]利用人工智能神經(jīng)網(wǎng)絡(luò)建立了牙痛預(yù)測模型以探討日均刷牙次數(shù)、刷牙時(shí)間、牙線使用、牙刷更換周期等因素對牙痛的影響，用于指導(dǎo)牙痛的預(yù)防，以及Pereira等[46]建立了預(yù)測下頜阻生第三磨牙拔除后腫脹程度的人工神經(jīng)網(wǎng)絡(luò)算法，具有較高的準(zhǔn)確性；在口腔黏膜病學(xué)中，Bur等[47]開發(fā)了一種預(yù)測口腔鱗狀細(xì)胞癌隱匿性淋巴結(jié)轉(zhuǎn)移的算法，提高了臨床上對患者病理性淋巴結(jié)轉(zhuǎn)移的預(yù)測能力，研究發(fā)現(xiàn)機(jī)器學(xué)習(xí)始終優(yōu)于基于腫瘤侵入深度（depth of invasion，DOI）的預(yù)測模型，因此有必要進(jìn)一步發(fā)展基于多數(shù)據(jù)的機(jī)器學(xué)習(xí)方法，以確保隱匿性淋巴結(jié)疾病患者得到充分治療，同時(shí)避免無病理性淋巴結(jié)疾病患者進(jìn)行不必要的頸部治療。

3 輔助治療

口腔疾病手術(shù)治療過程往往需要醫(yī)生高精度的操作，然而由于醫(yī)生視野的局限性以及人為的不可控因素，導(dǎo)致某些手術(shù)過程難度較大?；谌斯ぶ悄艿氖中g(shù)導(dǎo)航系統(tǒng)、高精度的機(jī)器人操作系統(tǒng)以及提高外科醫(yī)生的視覺和動手能力的集成系統(tǒng)可以輔助手術(shù)的進(jìn)行從而解決上述問題。

3.1 主動導(dǎo)航系統(tǒng)

在進(jìn)行手術(shù)時(shí)，外科醫(yī)生經(jīng)常面臨著因皮膚遮擋或滲出的血液導(dǎo)致視野受限的難題。在一定程度上加大了手術(shù)的難度。為了輔助手術(shù)進(jìn)行，一些用于增強(qiáng)外科醫(yī)生視覺能力的主動導(dǎo)航系統(tǒng)被開發(fā)出來。這些系統(tǒng)分為2類：第1類是商業(yè)化系統(tǒng)，如STN導(dǎo)航系統(tǒng)（Stryker-Leibinger，F(xiàn)reiburg公司，德國）[48]、Brain Lab導(dǎo)航系統(tǒng)（Brain Lab AG，Munich公司，德國）[49]、和Vo Xim（IVS Technology，Chemnitz公司，德國）[50]；第2類是由學(xué)術(shù)研究人員[51-52]自行開發(fā)的主動導(dǎo)航系統(tǒng)，如Accu Navi（上海交通大學(xué)研制，中國）[53-55]。這些主動導(dǎo)航系統(tǒng)有效地解決了醫(yī)生視野受限的問題，而且與不使用圖像導(dǎo)航的傳統(tǒng)技術(shù)相比，手術(shù)時(shí)間大大縮短。對于穿透性損傷的患者。在術(shù)前利用計(jì)算機(jī)斷層掃描和數(shù)字減影血管造影創(chuàng)建受傷區(qū)域的三維視圖，啟用導(dǎo)航系統(tǒng)可以使醫(yī)生在面部穿透性手術(shù)過程中在屏幕上清楚看到異物和手術(shù)器械，從而解決了視野受限的問題。

3.2 機(jī)器人系統(tǒng)

近年來，人工智能機(jī)器人的研究如火如荼，應(yīng)用越來越廣，在醫(yī)療領(lǐng)域的應(yīng)用更是取得了極大突破。牙科機(jī)器人作為醫(yī)療機(jī)器人的一個(gè)分支，在口腔醫(yī)療的各個(gè)領(lǐng)域都發(fā)揮著舉足輕重的作用。

3.2.1 在口腔正畸中的應(yīng)用 在口腔正畸與修復(fù)方面，機(jī)器人系統(tǒng)主要運(yùn)用于正畸弓絲彎制與全口義齒排牙等方面。Zhang等[56]于2001年提出了一種基于工業(yè)機(jī)器人的全口義齒排牙系統(tǒng)，該系統(tǒng)能自動生成與患者匹配的牙弓，用于制作全口義齒和彎制正畸弓絲，避免了傳統(tǒng)人工排牙中的人為誤差，同時(shí)極大地提高生產(chǎn)效率及產(chǎn)品的質(zhì)量，降低生產(chǎn)成本。所以，全口義齒機(jī)器人制作系統(tǒng)的研制具有重要的實(shí)際應(yīng)用價(jià)值；還有一種采用全新設(shè)計(jì)結(jié)構(gòu)的多機(jī)械臂排牙機(jī)器人系統(tǒng)，該系統(tǒng)能根據(jù)患者牙齒的前板和后板實(shí)現(xiàn)牙弓生成器的實(shí)驗(yàn)控制和初步排牙[57]。

3.2.2 在頜面外科中的應(yīng)用 機(jī)器人參與手術(shù)可以提供高清的三維放大圖像，同時(shí)在手術(shù)中經(jīng)微創(chuàng)切口進(jìn)入體內(nèi)，能夠顯著提高手術(shù)的精準(zhǔn)性、安全性和治療效果[58]。機(jī)器人在頜面外科手術(shù)的應(yīng)用主要是通過機(jī)械臂進(jìn)行正頜模擬手術(shù)和唇腭裂手術(shù)[59-63]，例如上頜骨截骨前移術(shù)與軟腭肌肉重建術(shù)，主要用于醫(yī)學(xué)生的操作訓(xùn)練與口腔機(jī)器人腭裂手術(shù)的可行性分析。目前，使用最多的機(jī)器人系統(tǒng)為Da Vinci，其是一款新穎、靈活的單臂機(jī)器人手術(shù)系統(tǒng)，擁有6 mm的機(jī)械臂和雙目立體內(nèi)窺鏡，可以從0°～30°的漸變角度提供定制的手術(shù)解剖視野，與常規(guī)手術(shù)技術(shù)相比，在舌底腺樣囊性癌的經(jīng)口機(jī)器人手術(shù)中，它展現(xiàn)的先進(jìn)技術(shù)包括：改進(jìn)的可視化、良好止血功能等，使特殊病變可視化、短期住院、優(yōu)質(zhì)術(shù)后生活成為可能[64]。機(jī)器人在頜面腫瘤外科中也得到了成功運(yùn)用，Da Vinci機(jī)器人手術(shù)系統(tǒng)在沒有進(jìn)行下頜骨切除的情況下完成了口咽腫瘤手術(shù)治療[65]。

3.2.3 在口腔種植中的運(yùn)用 在種植治療中，機(jī)器人系統(tǒng)能夠?qū)崿F(xiàn)手術(shù)區(qū)域解剖結(jié)構(gòu)的判讀重現(xiàn)、術(shù)前種植精確設(shè)計(jì)、手術(shù)自動精準(zhǔn)實(shí)施、手術(shù)實(shí)時(shí)導(dǎo)航校準(zhǔn)和即刻種植修復(fù)等功能，達(dá)到了精準(zhǔn)、高效、微創(chuàng)、舒適的手術(shù)要求[66]。2013年，第四軍醫(yī)大學(xué)口腔醫(yī)院與北京航空航天大學(xué)機(jī)器人研究所[67]設(shè)計(jì)出了自主式種植牙手術(shù)機(jī)器人與口腔種植規(guī)劃-手術(shù)導(dǎo)航-機(jī)器人控制軟件系統(tǒng)，實(shí)現(xiàn)了個(gè)性化種植方案精準(zhǔn)規(guī)劃、術(shù)中全程導(dǎo)航與機(jī)器人自主控制。在治療過程中，種植牙手術(shù)機(jī)器人的機(jī)械臂能按照規(guī)劃路徑自主精準(zhǔn)運(yùn)動到預(yù)定位置，并依據(jù)醫(yī)生設(shè)計(jì)的種植體位置、角度和深度進(jìn)行基托預(yù)備，并將種植體擰入基托中。圖2展示了該系統(tǒng)的具體工作流程。

圖 2 口腔種植規(guī)劃-手術(shù)導(dǎo)航-機(jī)器人控制軟件系統(tǒng)的工作流程Fig 2 Workflow of the dental implant planning-surgical navigation-surgical navigation-robot control software system

3.3 集成系統(tǒng)

集成系統(tǒng)綜合了導(dǎo)航系統(tǒng)和機(jī)器人系統(tǒng)的優(yōu)點(diǎn)，為外科醫(yī)生進(jìn)行復(fù)雜的手術(shù)提供了一個(gè)有前景和實(shí)用的方法。在集成系統(tǒng)中，外科醫(yī)生是導(dǎo)航系統(tǒng)和機(jī)器人之間的連接點(diǎn)，外科醫(yī)生負(fù)責(zé)觀察導(dǎo)航系統(tǒng)的顯示，并使用機(jī)械手控制機(jī)器人。與傳統(tǒng)的口腔頜面外科手術(shù)（oral and maxillofacial surgery，OMS）相比，雖然在一體化系統(tǒng)中人機(jī)協(xié)同工作提高了外科醫(yī)生的手術(shù)能力，但手術(shù)效果仍高度依賴于外科醫(yī)生的個(gè)人知識和經(jīng)驗(yàn)[68]。

4 術(shù)后輔助

人工智能在術(shù)后仍能發(fā)揮重要作用。術(shù)后護(hù)理不僅可以幫助患者更好地康復(fù)，還能幫助醫(yī)生及時(shí)了解患者術(shù)后的情況。隨著精準(zhǔn)醫(yī)學(xué)的發(fā)展，精準(zhǔn)護(hù)理得以提出。精準(zhǔn)護(hù)理是以大數(shù)據(jù)為基礎(chǔ)，應(yīng)用現(xiàn)代信息技術(shù)，契合患者的環(huán)境和臨床數(shù)據(jù)，擬訂針對性的護(hù)理方案，為患者提供最有效、最安全、最經(jīng)濟(jì)的護(hù)理服務(wù)[69]。針對術(shù)后護(hù)理問題，已有WhiteTeeth、Beam Brush、AVORI等應(yīng)用程序。WhiteTeeth可以通過接收并識別患者拍攝的口腔照片檢測患者口腔健康狀況，并以推送通知的形式向使用者提出建議，使得戴有固定正畸矯治器的患者保持良好的口腔護(hù)理行為，從而減少牙菌斑和牙齦出血現(xiàn)象[70]。與應(yīng)用程序連接的牙刷Beam Brush可將患者清潔前的數(shù)據(jù)發(fā)送給醫(yī)生，以便醫(yī)生在制定治療計(jì)劃時(shí)充分考慮患者的口腔護(hù)理習(xí)慣。中國開發(fā)的AVORI口腔健康護(hù)理軟件能隨時(shí)隨地檢測牙齒健康狀況，患者通過該軟件能將刷牙數(shù)據(jù)實(shí)時(shí)上傳到云端并與私人牙醫(yī)在線對接，從而定制患者專屬清潔模式。

下頜骨切開術(shù)等手術(shù)方式以及化學(xué)療法和放射療法會導(dǎo)致患者術(shù)后出現(xiàn)語言功能障礙及其他問題，對患者的生活質(zhì)量產(chǎn)生嚴(yán)重的負(fù)面影響，而人工智能的自然語言處理能提高患者的語音清晰度，解決患者術(shù)后語言功能障礙的問題，例如機(jī)器語言轉(zhuǎn)換技術(shù)（voice conversion，VC）[71]能對患者失真的語音進(jìn)行轉(zhuǎn)換，使患者語音更加清晰易懂。隨著電子健康檔案的建立，利用自然語言處理（natural language processing，NLP）從非結(jié)構(gòu)化的臨床數(shù)據(jù)中提取口腔表型術(shù)語變得尤為重要。利用NLP能獲取顱面和口腔表型特征，評估現(xiàn)有的口腔表型并擴(kuò)充現(xiàn)有的生物醫(yī)學(xué)數(shù)據(jù)庫，以確保及時(shí)有效地收納新的術(shù)語[72]。

5 總結(jié)與展望

人工智能在口腔醫(yī)學(xué)中的應(yīng)用已經(jīng)十分廣泛，包括口腔疾病診斷中人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用及智能診斷、提供診療計(jì)劃時(shí)臨床決策系統(tǒng)與計(jì)劃軟件的參與、治療過程中導(dǎo)航系統(tǒng)、機(jī)器人系統(tǒng)與集成系統(tǒng)的輔助，術(shù)后康復(fù)中智能軟件與自然語言處理系統(tǒng)的參與等。人工智能的應(yīng)用解決了許多難以用傳統(tǒng)診療手段解決的問題，提高了口腔診療的質(zhì)量與效率。人工智能的發(fā)展方興未艾，目前人工智能的挑戰(zhàn)包括需要具有存儲、挖掘和分析能力的可靠、安全的基于web的系統(tǒng)，進(jìn)一步提高人工智能系統(tǒng)的精確性，實(shí)現(xiàn)對患者的個(gè)性化治療，提高機(jī)器人系統(tǒng)的精密操作及微創(chuàng)手術(shù)能力等，且目前人工智能在口腔領(lǐng)域的應(yīng)用較為分散，開發(fā)出集診斷、決策、輔助治療等多個(gè)功能為一體的智能系統(tǒng)也是人工智能的努力方向，人工智能的研發(fā)和應(yīng)用范圍將進(jìn)一步擴(kuò)大。相信在不久的將來，人工智能會在口腔診療領(lǐng)域發(fā)揮更重要的作用——改變醫(yī)療手段甚至醫(yī)療模式、并將推動口腔醫(yī)學(xué)的發(fā)展。筆者有理由相信，人工智能是未來醫(yī)學(xué)創(chuàng)新和改革的強(qiáng)大動力，將給未來口腔醫(yī)療技術(shù)帶來深刻的變化。

利益沖突聲明：作者聲明本文無利益沖突。