人工智能在牙體牙髓病學專業(yè)教學中的應(yīng)用

[摘要]當前，人工智能技術(shù)進入飛速發(fā)展階段，在醫(yī)學領(lǐng)域取得了廣泛應(yīng)用，并且收到良好的效果，大幅度降低了醫(yī)療相關(guān)工作人員的工作強度，顯著提高了臨床工作效率。因此發(fā)展基于人工智能應(yīng)用的教學內(nèi)容是現(xiàn)階段實現(xiàn)醫(yī)學教育水平提升的重要手段。本文主要探討人工智能在牙體牙髓專業(yè)教育領(lǐng)域的應(yīng)用及前景。

[關(guān)鍵詞]人工智能；牙體牙髓病學；醫(yī)學教育；教學質(zhì)量；教學評價

[中圖分類號]G642.4" " [文獻標志碼]A" " [文章編號]1008-6455（2025）06-0167-04

Application of Artificial Intelligence in Cariology and Endodontics Teaching

WANG Yuting1，2，3， LIU Wenjing1，2，3， MU Wenli1，2，3， LI Wenlan1，2，3， HOU Tiezhou1，2，3， GUAN Xiaoyue1，2，3

（ 1.Key Laboratory of Shaanxi Province for Craniofacial Precision Medicine Research， College of Stomatology， Xi'an Jiaotong University， Xi'an 710004， Shaanxi， China; 2.Clinical Research Center of Shaanxi Province for Dental and Maxillofacial Diseases， College of Stomatology， Xi'an Jiaotong University，Xi'an 710004， Shaanxi， China; 3.Department of Cariology amp; Endodontics， College of Stomatology， Xi’an Jiaotong University， Xi'an 710004， Shaanxi， China ）

Abstract： Nowadays， artificial intelligence （AI） technology has entered a stage of rapid development and has been widely applied in medical fields. The application of AI in medical fields achieved good results not only significantly reducing the workload of medical staff but also markedly improving work efficiency. At present， based on AI applications， developing teaching content is an important means to elevate the level of medical education. The current study mainly investigates the application and prospects of AI in the field of cariology and endodontics education.

Key words： artificial intelligence; cariology and endodontics; medical education; quality of teaching; teaching evaluation

人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智慧的理論、方法、技術(shù)和應(yīng)用系統(tǒng)的一門新的技術(shù)科學。麥卡錫等科學家在1956年達特茅斯會議上首次提出“人工智能”的概念[1]。目前，人工智能已在智慧網(wǎng)絡(luò)、智能金融、醫(yī)療等方面發(fā)揮重要作用。Open AI推出的Chat GPT模型是人工智能的代表作之一，通過對話方式實現(xiàn)信息交互[2]。Chat GPT模型可以用于輔助教育，在教育與醫(yī)學領(lǐng)域產(chǎn)生深遠影響[3]。隨著互聯(lián)網(wǎng)與計算技術(shù)的發(fā)展，醫(yī)療模式正在從傳統(tǒng)模式向智慧醫(yī)療模式轉(zhuǎn)變，人工智能已經(jīng)滲透到了醫(yī)療健康的多個方面。從大數(shù)據(jù)的整合分析，到影像學的精準評估，AI技術(shù)對醫(yī)療健康領(lǐng)域發(fā)展具有積極意義。

牙體牙髓病學是口腔醫(yī)學的一門分支學科，在臨床實踐中，牙體牙髓疾病需要結(jié)合多種檢查手段及大量的專業(yè)知識、臨床經(jīng)驗進行相應(yīng)的診斷及臨床治療方案的制定。受視野、唾液等因素干擾，鄰面齲、根面齲等疾病的診斷以及多根牙的根管治療對于年輕醫(yī)生仍是一個不小的挑戰(zhàn)。目前人工智能在牙體牙髓疾病臨床診治中的廣泛應(yīng)用提高了診斷的靈敏性?；跀?shù)據(jù)整合分析的人工智能模擬器，可以更為敏感地發(fā)現(xiàn)口內(nèi)照片、X線片及全景片中的早期齲損及鄰面齲損，使早期干預(yù)齲病進展、增強成本效益成為可能[4-5]。對于牙髓及根尖周病變，除了輔助診斷疾病及確定治療方案外，基于人工智能技術(shù)的術(shù)前模擬，可以分析根管治療方案的可行性及不足，提高根管治療效果，提升年輕醫(yī)生根管治療成功率[6]。因此本文旨在探討在牙體牙髓病學專業(yè)教育領(lǐng)域使用人工智能技術(shù)的現(xiàn)狀、前景及挑戰(zhàn)。

1" 口腔牙體牙髓病學專業(yè)教學

牙體牙髓病學是口腔醫(yī)學的一門分支學科，是一門研究牙體硬組織疾病及牙髓根尖周組織疾病的發(fā)病機制、臨床表現(xiàn)、治療方法及轉(zhuǎn)歸的學科，具有很強的專業(yè)性、操作性及技術(shù)性。因此，理論教學、操作培訓(xùn)及臨床實踐相輔相成，在牙體牙髓病學專業(yè)教育中發(fā)揮重要作用。傳統(tǒng)的牙體牙髓病學專業(yè)教學主要通過臨床見習輔助理論教學以及仿頭模輔助臨床操作技能培訓(xùn)開展，最后落腳于臨床實踐。

在臨床見習輔助理論教學方面，由于口腔空間小、操作精細等因素的限制，醫(yī)學生無法清晰觀察臨床操作，大大降低了臨床見習的效果。張旭等[7]的研究發(fā)現(xiàn)，牙科顯微鏡教學組理論考核的平均成績?yōu)椋?2.7±4.58）分、傳統(tǒng)教學組平均理論成績?yōu)椋?0.5±3.80）分，兩者差異具有統(tǒng)計學意義，臨床見習問卷結(jié)果顯示，牙科顯微鏡的應(yīng)用可以顯著提高牙體牙髓教學中學生的教學滿意度，但是受顯微鏡視野限制，此種方式只適用于精細操作，在牙體缺損修復(fù)等范圍較大的臨床見習中仍存在局限性；此外，在臨床實踐過程中，臨床思維能力是將專業(yè)知識有效應(yīng)用于臨床實踐的必要條件。有研究表明，傳統(tǒng)的教育模式無法有效調(diào)動學生對牙體牙髓病學專業(yè)的興趣。在此種教育模式下的臨床實踐中，雖然掌握了一定的牙體牙髓病學專業(yè)知識，但醫(yī)學生的臨床思維能力仍得不到有效提高，進而會導(dǎo)致臨床實踐與理論教育的脫節(jié)。目前，各大醫(yī)學院校采用入科前思維導(dǎo)圖訓(xùn)練、牙科顯微鏡輔助椅旁教學、小組模擬醫(yī)患溝通等方式訓(xùn)練醫(yī)學生臨床思維能力[8]。但是，受牙科顯微鏡視野及模擬條件的限制，改革效果有待進一步提高。

這些問題均在一定程度上影響牙體牙髓病學專業(yè)教學質(zhì)量，是牙體牙髓病學專業(yè)教學模式中亟待解決的不足。當今人工智能技術(shù)飛速發(fā)展，隨著人工智能技術(shù)在牙體牙髓病學教學領(lǐng)域的廣泛應(yīng)用，大幅度提高牙體牙髓病學專業(yè)教學的質(zhì)量。蘇雪蓮等的研究表明，在牙體牙髓病學的牙體修復(fù)治療、根管治療及窩洞預(yù)備等相關(guān)實驗學習中引入“虛擬仿真+模型評估”實驗教學體系，可以提高牙體預(yù)備的準確性、根管治療操作的熟練度，并且可以及時指出牙體牙髓病學醫(yī)學生操作中的不足，為進入臨床實踐提供更為理想的實操基礎(chǔ)[9]。綜上所述，在牙體牙髓病學專業(yè)教學中引入人工智能，一定程度上促進牙體牙髓專業(yè)人才培養(yǎng)進程，輔助年輕醫(yī)生獲得完善的理論知識體系、提高臨床操作質(zhì)量及思維能力。

2" 人工智能技術(shù)在口腔牙體牙髓專業(yè)教學中的應(yīng)用前景

2.1 在齲病預(yù)防與診斷中的應(yīng)用：齲病是牙體牙髓病科常見病之一，是以細菌為主多種因素影響下，牙體硬組織發(fā)生慢性進行性破壞的疾病，齲病的早期診斷與治療是改善預(yù)后、保留患牙的關(guān)鍵。但是，齲病的早期診斷與治療依賴于醫(yī)生的臨床經(jīng)驗，存在主觀性。人工智能在齲病診斷方面的應(yīng)用，可以克服臨床經(jīng)驗的限制，提高早期齲病診斷的敏感性。Jae-Hong的研究表明，基于深度學習的CNN算法可以提高診斷的準確性，降低口腔健康管理成本，進而增加長期保存牙齒的可能性[10]。Reyes LT等[11]揭示了在幼兒期運用人工智能進行齲易感性檢測，可以更好地預(yù)測幼兒乳牙及年輕恒牙齲病的發(fā)生，為早期制定齲病管理預(yù)防策略提供可能。同時，基于人工智能的齲易感性檢測可以幫助醫(yī)學生學習齲病的預(yù)防管理，了解早期齲病的臨床及影像學表現(xiàn)，為其臨床實踐提供經(jīng)驗，對醫(yī)學生的成長具有積極意義，但是此種方法仍存在一定的不確定性，有待進一步改進[12]。

2.2 在牙髓炎與根尖周炎的鑒別診斷及治療中的應(yīng)用：牙髓炎、根尖周炎等多種牙體牙髓疾病的診斷需要口腔影像學的支持。在牙體牙髓病學的專業(yè)培訓(xùn)過程中，影像學判讀是醫(yī)學生必備技能之一。研究表明，深度學習模型可以提高在X線片上評估根尖周炎的準確性和一致性，有利于選擇合理的治療方案，增加患者改善預(yù)后的機會，同時，可以提高根尖周病變等疾病的鑒別診斷效率及提升判斷根管充填效果的準確性[13]。Ezhov M[14]的研究發(fā)現(xiàn)，使用人工智能輔助閱片可以提高診斷的準確性及敏感性。這一技術(shù)也起到幫助醫(yī)學生深入學習多種牙體牙髓疾病影像學鑒別診斷的作用。根管治療是牙髓病及根尖周病變的常規(guī)治療手段，根管工作長度的確定、根管數(shù)目的探查以及根管充填效果是影響根管治療成功率的重要因素，而影像學檢查在根管治療過程中發(fā)揮重要作用。除器械探查及顯微鏡輔助治療外，示蹤片等影像學檢查也是確定工作長度、觀察根管數(shù)目及根管治療效果的有效手段，因此閱片技能也是根管治療培訓(xùn)中必不可少的一步。Saghiri MA等[15]的研究發(fā)現(xiàn)使用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)輔助牙體牙髓醫(yī)生確定根管工作長度具有更高的準確性。Hiraiwa T等[16]發(fā)現(xiàn)應(yīng)用深度學習系統(tǒng)可以更好檢查額外根管的存在，避免根管遺漏的發(fā)生。綜上所述，隨著大數(shù)據(jù)的快速更新和計算能力的大幅提升，深度學習系統(tǒng)將進一步完善，使人工智能在牙體牙髓病學領(lǐng)域應(yīng)用更為廣泛，是未來輔助牙體牙髓專業(yè)年輕醫(yī)生臨床技能培訓(xùn)的重要手段。

2.3 牙體牙髓病學虛擬輔助教學：牙體牙髓病學專業(yè)教學包括齲病、非齲性疾病、牙髓病及根尖周病。傳統(tǒng)教學模式中臨床技能培訓(xùn)需要在仿真頭顱模型中進行，缺乏良好的評判及培訓(xùn)標準?；诖髷?shù)據(jù)庫支持的人工智能輔助教學可以為牙體牙髓專業(yè)學生提供針對性訓(xùn)練。并且，結(jié)合虛擬現(xiàn)實（Virtual reality，VR）技術(shù)建立良好的評判及實踐訓(xùn)練模型，幫助牙體牙髓專業(yè)學生獲得更好的臨床操作技能培訓(xùn)環(huán)境。虛擬現(xiàn)實是一種可以創(chuàng)建和體驗虛擬世界的計算機仿真系統(tǒng)，利用計算機生成虛擬環(huán)境，使用戶獲得近乎真實的體驗。隨著VR技術(shù)的發(fā)展，其在牙體牙髓病學實踐中的應(yīng)用越來越多。VR技術(shù)的應(yīng)用增加了醫(yī)學生的實踐模擬體驗，不僅可以更好地幫助醫(yī)學生訓(xùn)練臨床技能，也可以增加教學過程中醫(yī)學生及教師的滿意度，提高教學質(zhì)量。同時，在臨床操作培訓(xùn)中引入VR技術(shù)，幫助模擬多種不同牙體牙髓疾病環(huán)境，幫助醫(yī)學生獲得更為充分的臨床操作技能培訓(xùn)，一定程度減少了患者承受醫(yī)源性損傷的風險[17]。

2.3.1 在窩洞預(yù)備培訓(xùn)中的應(yīng)用：窩洞預(yù)備是齲病治療過程中的關(guān)鍵一步。除了去凈齲壞外，抗力形與固位形也必不可少，良好的抗力形和固位形是后期修復(fù)的重要前提。VR技術(shù)的應(yīng)用，增加了窩洞預(yù)備培訓(xùn)的客觀性和可重復(fù)性，幫助醫(yī)學生掌握最為標準合理的窩洞預(yù)備技能，提高臨床培訓(xùn)效果。此外，根據(jù)VR技術(shù)模擬及評分結(jié)果，可以有針對性地發(fā)現(xiàn)問題，有助于教師為醫(yī)學生提供個性化指導(dǎo)，提高教師及學生對臨床操作培訓(xùn)的滿意度及認可度，幫助醫(yī)學生更快成長[18]。

2.3.2 在根管治療培訓(xùn)中的應(yīng)用：根管治療是牙髓病及根尖周病的最常見治療方案。根管解剖形態(tài)的復(fù)雜性決定了根管治療的難度。Reymus M等[17]的研究表明，引入VR技術(shù)可以幫助醫(yī)學生更好地學習根管解剖形態(tài)，為根管治療的培訓(xùn)提供必要的前提。此外，牙髓入路的開通也是根管治療的重要步驟，建立直線牙髓入路對進行完善的根管治療必不可少。VR技術(shù)的應(yīng)用可以幫助醫(yī)學生學習良好的開髓技術(shù)[19]。Suebnukarn S等[20]的研究發(fā)現(xiàn)，VR技術(shù)的應(yīng)用可以幫助醫(yī)學生更為準確快速地開通牙髓入路，提高根管治療培訓(xùn)效率，減少牙體組織損傷。除了幫助醫(yī)學生更好掌握技術(shù)外，基于VR技術(shù)的評分系統(tǒng)的使用，可以幫助醫(yī)學生與教師更好地溝通，進而彌補傳統(tǒng)教學模式的局限性[21]。

2.3.3 虛擬患者訓(xùn)練：虛擬患者是計算機模擬的現(xiàn)實生活中臨床場景下的交互式模型，主要用于醫(yī)務(wù)人員的培訓(xùn)、教育或評估。在牙體牙髓專業(yè)培訓(xùn)中引入虛擬患者可以幫助醫(yī)學生提高病例資料采集及醫(yī)患溝通的能力。Yin MS等[22]的研究表明。與傳統(tǒng)教育相比，引入虛擬患者可以更好地提高醫(yī)生的臨床技能，是醫(yī)學教育中的一種積極的學習形式。

2.4 自適應(yīng)學習：牙體牙髓病學專業(yè)臨床操作受視野、唾液等多種因素影響，無法在直視下進行，依賴于PPT、視頻動畫等方式進行講解教學。VR技術(shù)的應(yīng)用，為醫(yī)學生提供了更為真實的牙齒解剖結(jié)構(gòu)的立體模型，有助于學生自主學習，提高學習專注度，并且獲得更為直觀的感受，提高醫(yī)學生對臨床教學的滿意度和認可度[23]。并且，隨著醫(yī)學的快速發(fā)展，新技術(shù)、新方法大量涌現(xiàn)，引入人工智能技術(shù)有效解決了傳統(tǒng)教育模式下知識體系更新?lián)Q代緩慢的問題，幫助醫(yī)學生有效地學習更為先進的理論及技能體系，提高新生醫(yī)療人才的培養(yǎng)質(zhì)量。

3" 人工智能在牙體牙髓教學中的挑戰(zhàn)

人工智能在牙體牙髓病學領(lǐng)域的應(yīng)用日漸深入，但是由于口腔環(huán)境及根管系統(tǒng)的復(fù)雜性，臨床醫(yī)生在牙體牙髓病學專業(yè)領(lǐng)域仍處于決策地位。人工智能在輔助閱片、方案模擬方面發(fā)揮重要作用。這一技術(shù)通過基于大數(shù)據(jù)對口內(nèi)照片、影像學檢查的分析，輔助識別牙體牙髓疾病，幫助醫(yī)學生獲得臨床經(jīng)驗。此外，通過AI模擬器預(yù)測根管治療及根尖手術(shù)方案，可以在降低患者醫(yī)源性損傷發(fā)生率的同時提高醫(yī)學生的實踐能力。

但是，最新研究表明，人工智能在牙體牙髓病學專業(yè)教學領(lǐng)域的應(yīng)用仍存在一定的不足：①數(shù)據(jù)獲取的局限性：人工智能的應(yīng)用受限于有限的數(shù)據(jù)集，最新的研究表明，人工智能用于齲齒檢查存在一定的不確定性，雖然擴大數(shù)據(jù)集可以一定程度上改善此種不確定性，但是作用有限，需要發(fā)展人工智能的個性化應(yīng)用，以提高成本效益[24]。②數(shù)據(jù)標準性、穩(wěn)健性的差異：人工智能在牙體牙髓專業(yè)臨床技能培訓(xùn)中發(fā)揮重要作用，但是，有研究表明，由于不同系統(tǒng)中操作及培訓(xùn)所用的樣本量及用于比較的參考信息并不清楚，導(dǎo)致數(shù)據(jù)的可比性、穩(wěn)健性存在差異，因此后續(xù)進行數(shù)據(jù)集標準化成為人工智能發(fā)展的一大方向，也是其在牙體牙髓病學專業(yè)教學領(lǐng)域應(yīng)用必不可少的部分[25]。③培訓(xùn)成本高昂：VR模擬設(shè)備昂貴，技術(shù)敏感性較高，需要專業(yè)人員進行模型模擬及培訓(xùn)，提高了培訓(xùn)成本，因此，VR技術(shù)的使用培訓(xùn)及便捷性也是AI發(fā)展的重要方向，優(yōu)化VR技術(shù)與牙體牙髓病學專業(yè)教學的結(jié)合，構(gòu)建個性化的人工智能培訓(xùn)系統(tǒng)對牙體牙髓病學專業(yè)人才培養(yǎng)具有重要意義。

綜上所述，在牙體牙髓病學領(lǐng)域引入人工智能可以推動專業(yè)教育緊跟臨床技術(shù)的發(fā)展，是牙體牙髓病學專業(yè)教育的大勢所趨。作為一個快速發(fā)展的新興領(lǐng)域，人工智能在牙體牙髓病學專業(yè)領(lǐng)域的應(yīng)用仍存在很多機遇和挑戰(zhàn)。

[參考文獻]

[1]劉雷，曾麗艷.智能醫(yī)學：數(shù)據(jù)與模型驅(qū)動的醫(yī)工融合[J].醫(yī)學信息學雜志，2023，44（7）：1-8.

[2]張曉彤，徐凱峰.人工智能在呼吸內(nèi)科教學中的應(yīng)用[J].基礎(chǔ)醫(yī)學與臨床，2023，43（8）：1330-1333.

[3]詹澤慧，季瑜，牛世婧，等.ChatGPT嵌入教育生態(tài)的內(nèi)在機理、表征形態(tài)及風險化解[J].現(xiàn)代遠距離教育，2023，41（4）：3-13.

[4]Kuhnisch J， Meyer O， Hesenius M， et al. Caries detection on intraoral images using artificial intelligence[J]. J Dent Res， 2022，101（2）：158-165.

[5]Lee S， Oh S I， Jo J， et al. Deep learning for early dental caries detection in bitewing radiographs[J]. Sci Rep， 2021，11（1）：16807.

[6]Suebnukarn S， Rhienmora P， Haddawy P. The use of cone-beam computed tomography and virtual reality simulation for pre-surgical practice in endodontic microsurgery[J]. Int Endod J， 2012，45（7）：627-632.

[7]張旭，溫雪韻，陳凱.等.牙科顯微鏡在臨床醫(yī)學專業(yè)牙體牙髓病學教學中的實踐與探索[J].口腔材料器械雜志，2022，31（3）：216-219.

[8]林玉祥，王秀芳，林晨，等.牙體牙髓病學臨床教學中加強學生臨床思維能力的探索[J].中國繼續(xù)醫(yī)學教育，2023，15（5）：159-162.

[9]蘇雪蓮，周海靜，劉琳，等.“虛擬仿真+模型評估”在牙體牙髓病學實驗教學中的應(yīng)用[J].西北民族大學學報（自然科學版），2022，43（2）：84-87.

[10]Lee J H， Kim D H， Jeong S N， et al. Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm[J]. J Dent， 2018，77：106-111.

[11]Reyes L T， Knorst J K， Ortiz F R， et al. Early childhood predictors for dental caries： a machine learning approach[J]. J Dent Res， 2023，102（9）：999-1006.

[12]Qu X， Zhang C， Houser S H， et al. Prediction model for early childhood caries risk based on behavioral determinants using a machine learning algorithm[J]. Comput Meth Prog Bio， 2022，227：107221.

[13]Li S H， Liu J L， Zhou Z R， et al. Artificial intelligence for caries and periapical periodontitis detection[J]. J Dent， 2022，122：104107.

[14]Ezhov M， Gusarev M， Golitsyna M， et al. Clinically applicable artificial intelligence system for dental diagnosis with CBCT[J]. Sci Rep， 2021，11（1）：15006.

[15]Saghiri M A， Garcia-godoy F， Gutmann J L， et al. The reliability of artificial neural network in locating minor apical foramen： a cadaver study[J]. J Endodont， 2012，38（8）：1130-1134.

[16]Hiraiwa T， Ariji Y， Fukuda M， et al. A deep-learning artificial intelligence system for assessment of root morphology of the mandibular first molar on panoramic radiography[J]. Dentomaxillofac Rad， 2019，48（3）：20180218.

[17]肖敏，梅笑寒，余擎，等.虛擬現(xiàn)實技術(shù)在牙體牙髓病學實訓(xùn)教學中的應(yīng)用效果研究[J].重慶醫(yī)學，2023，52（3）：469-472.

[18]Murbay S， Neelakantan P， Chang J W W， et al. Evaluation of the introduction of a dental virtual simulator on the performance of undergraduate dental students in the pre-clinical operative dentistry course'[J]. Eur J Dent Educ， 2020，24（1）：5-16.

[19]Reymus M， Liebermann A， Diegritz C. Virtual reality： an effective tool for teaching root canal anatomy to undergraduate dental students - a preliminary study[J]. Int Endod J， 2020，53（11）：1581-1587.

[20]Suebnukarn S， Haddawy P， Rhienmora P， et al. Haptic virtual reality for skill acquisition in endodontics[J]. J Endod， 2010，36（1）：53-55.

[21]Suebnukarn S， Hataidechadusadee R， Suwannasri N， et al. Access cavity preparation training using haptic virtual reality and microcomputed tomography tooth models[J]. Int Endod J， 2011， 44（11）：983-989.

[22]Yin M S， Haddawy P， Suebnukarn S， et al. Automated outcome scoring in a virtual reality simulator for endodontic surgery[J]. Comput Meth Prog Bio， 2018，153：53-59.

[23]Kononowicz A A， Woodham L A， Edelbring S， et al. Virtual patient simulations in health professions education： systematic review and meta-analysis by the digital health education collaboration[J]. J Med Internet Res， 2019，21（7）：e14676.

[24]Schwendicke F， de Oro J C G， Cantu A G， et al. Artificial intelligence for caries detection： value of data and information[J]. J Dent Res， 2022，101（11）：1350-1356.

[25]Shan T， Tay FR， Gu L. Application of artificial intelligence in dentistry[J]. J Dent Res， 2021，100（3）：232-244.

[收稿日期]2023-11-22

本文引用格式：王玉婷，慕文麗，李文瀾，等.人工智能在牙體牙髓病學專業(yè)教學中的應(yīng)用[J].中國美容醫(yī)學，2025，34（6）：167-170.