王俊成 時 權 劉洪臣
人工智能作為計算機科學的一個分支,是研究和開發(fā)模擬、延伸和擴展人類的智能的理論、方法、技術及應用的一門新的技術科學。人工智能的出現(xiàn)無疑是21世紀最引人注目的科學技術之一。自從1955年John McCarthy首次提出“人工智能”的概念以來,隨著理論和技術日趨成熟,應用領域也不斷擴大。人工智能與醫(yī)學相結合深刻影響著現(xiàn)在醫(yī)學發(fā)展的方向及模式。目前,人工智能在醫(yī)學領域中的應用主要體現(xiàn)在利用人機接口技術、導航與定位技術、視覺模擬技術、智能控制、多傳感器信息技術在疾病的智能診療、醫(yī)學影像資料的處理與分析、機器人輔助外科手術、藥物的智能研發(fā)以及智能健康管理等各個領域發(fā)揮作用[1]。
人工智能的發(fā)展也為口腔醫(yī)學的發(fā)展注入了新的活力,推動了現(xiàn)代口腔醫(yī)學的發(fā)展。人工智能的應用,加速了口腔醫(yī)學由傳統(tǒng)學科向現(xiàn)代化學科轉變的進程,使得口腔疾病的診斷以及治療過程向更加精確、快速和安全的方向發(fā)展。目前人工智能技術在口腔頜面腫瘤診斷、放療區(qū)域精準勾勒、淋巴結轉移預測、齲病牙髓病及牙周病診療方面等都取得了相當可觀的進步。國內劉洪臣教授率先提出“人工智能口腔醫(yī)學”的概念[2],指出人工智能的迅速發(fā)展對口腔醫(yī)學的發(fā)展意義重大。未來,人工智能會在包括口腔疾病的防治、篩查、診斷,術后康復、隨訪以及預后評估等口腔醫(yī)療全程以及口腔醫(yī)學研究中發(fā)揮巨大作用并對口腔醫(yī)學的變革產(chǎn)生深遠影響[3]。
口腔種植學作為一門新興學科,不用損傷鄰牙便可為患者提供與天然牙在固位、形態(tài)、功能及美觀方面相似的修復效果,且長期穩(wěn)定性好,改變了傳統(tǒng)的缺牙修復模式,已成為牙缺失修復的首選方式[4]。但病例的多樣性、手術技術的敏感性、預后的復雜性都對從事種植專業(yè)的醫(yī)生提出了更高的要求。作為人類智能的擴展和延伸,人工智能可以模仿人類通過深度學習從海量資料中分析數(shù)據(jù)以及模仿人類技能解決實際問題。這些先進的特性無疑能夠為口腔種植學的發(fā)展注入新的活力。目前,人工智能在口腔種植中應用主要體現(xiàn)在術前術后各種影像資料分析、術中輔助外科機器人的使用、術后修復體的設計制作、預后評價以及種植相關基礎研究等方面。
對數(shù)據(jù)的深度學習是人工智能的基礎,因此利用人工智能技術在術前對患者的病例資料進行分析、診斷,提取數(shù)據(jù)中的重要臨床相關信息,進而輔助臨床決策的制定,是目前人工智能在口腔種植方面的基礎應用。
種植術前影像資料的分析是制定種植治療方案的前提,醫(yī)生需要通過影像資料的分析,對患者種植區(qū)域的重要解剖結構信息進行掌握,如牙槽骨的骨質骨量、上頜前牙區(qū)的切牙管、上頜后牙區(qū)的上頜竇結構以及下頜神經(jīng)管等。利用深度學習系統(tǒng)對影像資料進行分析是目前人工智能在口腔種植學中的主要應用之一。如Bayrakdar等[5]通過對種植術前75名患者的CBCT影像進行分析,對比了人工測量與人工智能分析患者上下頜骨各項關鍵解剖信息的準確性。他們發(fā)現(xiàn),在牙槽骨高度分析中人工智能與手工測量二者沒有顯著差別,但是在牙槽骨厚度方面二者有顯著性差異,人工智能測量精度低于人工測量。另外,人工智能在探測下頜神經(jīng)管、上頜竇/鼻腭管以及缺牙區(qū)域的正確率分別為72.2%、66.4%和95.3%。他們認為未來人工智能的發(fā)展應用能夠為臨床醫(yī)師的工作提供便利,并且能夠成為口腔種植技術發(fā)展的有力推動。鑒于下頜神經(jīng)管在種植手術中的重要性,通過使用深度學習系統(tǒng)來精確定位下頜神經(jīng)管也是人工智能的研究熱點。Jaskari團隊[6]和Kwak團隊[7]都進行了相關深度學習系統(tǒng)的研發(fā),通過分析CBCT影像來自動定位下頜神經(jīng)管位置,通過下頜神經(jīng)管的高精度定位來提高臨床治療計劃制定的效率、提高手術安全性。
除了對種植術前影像學的自動分析來輔助臨床決策,人工智能還被用于其它種植相關影像資料的分析學習。例如通過影像資料對種植修復術后并發(fā)癥進行評價,Lee等[8]評價了三種不同的深度學習卷積神經(jīng)網(wǎng)絡(CNNs)在探查種植體折斷方面的信度和效度,指出其中的自動化深度學習CNNs在該方面具有最佳的精確性。另外,目前市場上種植體種類繁多,有些種植體形狀非常相似,對于曾接受過種植治療的患者需要明確曾經(jīng)所用種植體信息的時候,如何精準辨別種植體的品牌和型號一直是臨床上困擾臨床醫(yī)師的一個難題。為了解決這一困擾,研究者們開始使用深度學習系統(tǒng)通過學習放射片上不同品牌的種植體影像信息,幫助臨床醫(yī)生自動分辨未知種植體信息。例如,Takahashi等[9]通過使用目標檢測算法Yolov3對數(shù)據(jù)庫內1282張種植體影像資料的學習,可以實現(xiàn)對3個廠家的6種種植系統(tǒng)進行自動鑒別。Sukegawa等[10]使用5種深度學習CNNs模式通過對9767張曲面斷層片上12個種植體的品牌和治療階段進行學習,來比較這5種深度學習系統(tǒng)的效果,他們發(fā)現(xiàn)CNNs在辨別種植體品牌和治療階段方面有著高效性。并且,具有多任務功能的深度學習系統(tǒng)精確性更高。Lee等[11]通過多中心研究,對比自動化CNNs與依賴傳統(tǒng)經(jīng)驗在辨別種植系統(tǒng)方面的精確度,發(fā)現(xiàn)對于具有相似形狀的不同種植系統(tǒng)而言,自動化深度學習系統(tǒng)更加高效。
口腔種植學是一門實踐性很強的學科,具有較高的技術敏感性,通過外科手術將種植體成功植入牙槽骨理想的三維位置是種植牙成功的關鍵。臨床醫(yī)生的經(jīng)驗以及手術時手的穩(wěn)定程度,都會對種植的精度產(chǎn)生影響,客觀保證性較差。另一方面,口腔操作空間狹小、口腔內軟硬組織還會對操作者視線產(chǎn)生阻擋,給手術的順利實施帶來極大阻礙。為了獲得一個良好的手術視野,操作者有時需要長時間保持一個姿勢,日積月累,醫(yī)生的健康也會受到很大影響。為了減少這些不利因素的影響,靜態(tài)導航引導和動態(tài)導航技術被引入了手術中。這些技術的應用雖然有助于手術精度的提高,但并不能完全將醫(yī)生從手術中解放出來。為了進一步提高種植手術的自動化程度、精確度以及手術的靈活性,減少臨床醫(yī)生勞動強度,實現(xiàn)種植過程的“持續(xù)性精確”,研究者們開始將目光投向人工智能機器人技術。
隨著世界上第一臺機器人在1959年的問世和迅速發(fā)展,機器人在醫(yī)療領域也開始并得到了廣泛的應用。2001年法國Ecole des Mines de Paris大學的Dutreuil和瑞典Ume?大學的Zoreda合作,研發(fā)了具有5自由度的機器人系統(tǒng),用于制作口腔種植導板并以此為引導進行種植體的植入,利用該系統(tǒng),他們對一例上半頜牙列缺失的病例進行了8枚種植體的植入[12]。2002年德國Heidelberg大學的Brief教授等[13]也研制出機器人系統(tǒng)進行種植牙手術鉆孔引導,能夠在術中快速引導牙醫(yī)在患者的頜骨上制備出指定角度和深度的種植窩洞。這些初步探索拉開了人工智能機器人在口腔種植領域研究的序幕。隨后,葡萄牙、韓國、美國等一些學者也紛紛投入到種植牙手術機器人的研究中并取得了一定成果[14-16]。2017年美國Neocis公司研發(fā)出的Yomi種植牙機器人系統(tǒng)獲得了美國食品和藥物管理局(FDA)的批準,實現(xiàn)了從研究到臨床的跨越,該系統(tǒng)能夠進行術前手術設計和術中手術引導,從而協(xié)助口腔醫(yī)生進行種植手術[17]。值得一提的是,我國在機器人種植牙手術方面的研究也取得了令人矚目的成就,2017年我國首次報導北京航空航天大學與空軍醫(yī)科大學附屬口腔醫(yī)院共同研發(fā)成功自主式種植牙手術機器人,并成功為一患者進行了兩顆牙的即刻種植修復[18]。對于相對復雜的穿顴種植,國內吳軼群教授率先使用六軸的機械臂完成穿顴種植手術,充分發(fā)揮了機器人種植精確性高的優(yōu)勢[19]。另外,為了解決機器人種牙需要額外標記來進行手術部位的定位問題。2019年北航與日本合作研發(fā)了一套口腔頜面外科手術機器人系統(tǒng),用于種植牙牙槽骨制備窩洞時,在體外試驗中軟件和硬件的精確性都達到標準,并且其顯著特點是使用天然牙作為標記點,解決了使用額外的定位裝置來獲得頭部位置的問題[20]。國內呂培軍課題組[21]從改變機械臂夾持種植手機和鉆針進行種植窩洞制備的角度出發(fā),提出將機器人與超短脈沖激光技術相結合,非接觸式自動化制備種植窩洞的新思路,并進行了初步研究探索。由此可見,人工智能機器人在口腔種植外科手術中的應用研究正在飛速發(fā)展,而我國無疑走在了世界前列。
在種植術后修復方面,由于“以修復為導向”的理念已經(jīng)成為業(yè)內共識,在種植手術之前,修復體其實已經(jīng)被預先設計好,因此種植術后應用人工智能進行上部修復的研究目前相對較少。采用CADCAM等一系列數(shù)字化流程對修復體進行設計制作目前已經(jīng)比較成熟,因此,這部分人工智能的著眼點是如何利用人工智能操控這些數(shù)字化軟件進行修復體的精確制作,減少臨床醫(yī)師和技師的工作強度。德國Lerner等[22]對90個患者106個利用人工智能進行加工的氧化鋯單冠進行了3年的回顧性研究,發(fā)現(xiàn)這些利用人工智能技術制作的氧化鋯單冠在邊緣適合性、鄰接、咬合以及美觀方面都非常令人滿意,存留率和成功率分別達到了99.0%和91.3%。
人工智能還被運用于種植相關研究方面。通過計算機學習算法來構建預測模型,聚焦于臨床效果與個體骨水平的關系,通過分析患者的資料、種植系統(tǒng)以及醫(yī)生的手術,目前的人工神經(jīng)網(wǎng)絡(ANNs)在預測種植牙成功率上能達到99.2%[23,24]。人工智能還被用來預測種植系統(tǒng)的機械性能,通過自主學習各種變量之間的關系,人工智能能夠像目前的數(shù)學模型一樣預測種植體-骨結合界面的應力。但是,該研究只是對垂直加載進行了模擬,并不能代表真正意義上的咀嚼循環(huán)[25]。Mahri等[26]研發(fā)了一種機器學習算法能夠自動提供文獻對已知的各種藥物對骨結合影響的評價信息,并且準確性高達95%。
從目前人工智能的應用情況來看,人工智能還只是能使用程序化的知識或從大量的數(shù)據(jù)背景中提取有用的信息,只能在某一個特定的環(huán)境中去執(zhí)行相對復雜的工作,只能從事“點”的工作,還不能像人腦那樣處理、關聯(lián)信息并進行綜合分析,由“點”及“面”。尤其在種植的治療方案制定方面,目前的人工智能水平很難將患者的缺牙情況、局部解剖條件、全身健康狀況以及訴求等各個方面的信息綜合分析,制定出個性化的治療方案。因此,這種更高水平的理解任務,尤其是在模棱兩可的環(huán)境中,如何進行信息的分析、作出準確的判斷并執(zhí)行才是將來需要努力的方向。而且,人與人之間的互動尤其是醫(yī)患之間的交流不可能簡單歸納入計算機語言或程序中。人工智能應該被理性的看成增強牙醫(yī)能力、減輕其臨床負擔、為患者提供更優(yōu)質服務的一種輔助。
但是,不難想象,隨著數(shù)字化技術的發(fā)展和進步,人工智能將逐步深入到口腔種植牙治療的各個環(huán)節(jié),從患者信息采集、治療方案的制訂實施直到患者治療完成后隨訪的全過程、甚至相關基礎科學研究等方面實現(xiàn)全程智能化,最終實現(xiàn)整體口腔醫(yī)學的人工智能化。