孫玉春 李 騁 陳 虎

隨著計算機技術(shù)的不斷發(fā)展和“大數(shù)據(jù)時代”的到來，人工智能技術(shù)（artificial intelligence，AI）迅速席卷多個領(lǐng)域?？谇会t(yī)學(xué)的數(shù)字化、智能化展現(xiàn)出強勁的發(fā)展勢頭?；谌斯ぶ悄艿臋C器視覺診斷系統(tǒng)、自主導(dǎo)航與定位系統(tǒng)、專家系統(tǒng)及醫(yī)療機器人等技術(shù)已應(yīng)用于口腔臨床診療的多個領(lǐng)域。在享受人工智能技術(shù)帶來的更精準(zhǔn)、更高效、更實用的醫(yī)療臨床服務(wù)的同時，其監(jiān)管問題、安全問題、倫理問題同樣值得引起重視。只有建立健全的監(jiān)管機制、持續(xù)致力于提升人工智能技術(shù)的醫(yī)學(xué)應(yīng)用安全性、充分保護(hù)個人和大數(shù)據(jù)隱私，才能使口腔醫(yī)學(xué)真正成為人工智能技術(shù)的受益者。本文將簡要介紹人工智能技術(shù)的基本概念，及在口腔醫(yī)學(xué)各專業(yè)領(lǐng)域中的應(yīng)用進(jìn)展及優(yōu)勢，并思考其現(xiàn)存問題與挑戰(zhàn)，為相關(guān)研究與口腔應(yīng)用提供參考。

一、什么是人工智能（artificial intelligence，AI）

人工智能[1]一詞在1956年由John McCarthy等首次提出，旨在制造機器以模擬人類的思維方式，來執(zhí)行通常由人類執(zhí)行的任務(wù)。傳統(tǒng)AI基于規(guī)則和顯示編程來產(chǎn)生專門的結(jié)果，隨著智能技術(shù)的發(fā)展，新一代的AI利用特征學(xué)習(xí)和映射來推斷規(guī)則。機器學(xué)習(xí)（machine learning，ML）、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network,ANN）、深度學(xué)習(xí)（deep learning，DL）為AI的重要子領(lǐng)域。在經(jīng)典機器學(xué)習(xí)中，特征由人類專家設(shè)計；在深度學(xué)習(xí)中，無需人工特征設(shè)計，直接進(jìn)行相關(guān)特征的學(xué)習(xí)和映射，有利于學(xué)習(xí)復(fù)雜的數(shù)據(jù)結(jié)構(gòu)。

1.機器學(xué)習(xí)[2]（machine learning，ML）：機器學(xué)習(xí)描述計算機無需解釋性編程，學(xué)習(xí)數(shù)據(jù)中的內(nèi)在統(tǒng)計模式和結(jié)構(gòu)，從而進(jìn)行預(yù)測的方法。其結(jié)合計算機模型和算法，嘗試優(yōu)化輸入和輸出之間的“映射”，即利用數(shù)據(jù)，訓(xùn)練模型，然后使用模型進(jìn)行預(yù)測。ANN是目前最流行的一種機器學(xué)習(xí)模型。

2.人工神經(jīng)網(wǎng)絡(luò)（artificial neural network,ANN）：人工神經(jīng)網(wǎng)絡(luò)[3]模仿生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，具有3個不同的層：輸入層、隱藏層、輸出層，主要組成部分為人工神經(jīng)元。通過設(shè)計、組裝并連接人工神經(jīng)元，調(diào)整內(nèi)部節(jié)點之間相互連接關(guān)系，達(dá)到處理信息的目的，進(jìn)而解決圖像分類（如牙科放射線圖像是否有齲壞）或圖像分割（如顯示齲壞的邊界）等特定任務(wù)。

3.深度學(xué)習(xí)（deep learning，DL）：隨著數(shù)據(jù)量的擴(kuò)增及算法上的改進(jìn)和優(yōu)化，神經(jīng)網(wǎng)絡(luò)的層數(shù)變得越來越多。深層神經(jīng)網(wǎng)絡(luò)[4]，指非單一隱藏層，而是包含了更多隱藏層的神經(jīng)網(wǎng)絡(luò)。對于一個層數(shù)較多的深層神經(jīng)網(wǎng)絡(luò)，若采用傳統(tǒng)的誤差反向傳播算法，學(xué)習(xí)速度很慢，且網(wǎng)絡(luò)在訓(xùn)練過程中易陷入局部極小及出現(xiàn)“過擬合”、出現(xiàn)梯度消散并影響精度。深度學(xué)習(xí)對于復(fù)雜的數(shù)據(jù)結(jié)構(gòu)特別有用，其通過特征學(xué)習(xí)選擇初始特征，初始值更接近全局最優(yōu)解，并通過逐層特征變換，使分類或預(yù)測更容易，解決了易陷入局部最優(yōu)解難題，并且訓(xùn)練多層網(wǎng)絡(luò)速度更快。

口腔臨床醫(yī)療的可直視操作范圍局限，齲病、根尖周疾病、頜面外科囊腫、腫瘤等診斷常依賴于影像資料。且近年來，計算機輔助設(shè)計/計算機輔助制造（CAD/CAM）技術(shù)在口腔醫(yī)療中應(yīng)廣泛，發(fā)展出眾多基于機器學(xué)習(xí)的人工智能技術(shù)對口腔影像、圖形進(jìn)行自動分類與邊界分割、修復(fù)體邊界自動識別與設(shè)計，從而輔助臨床診斷與治療。

二、人工智能在口腔醫(yī)學(xué)中的應(yīng)用

隨著大數(shù)據(jù)時代的到來，基于機器學(xué)習(xí)的人工智能技術(shù)，尤其是人工神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展迅速，相關(guān)研究已涉及口腔醫(yī)療多個領(lǐng)域。

1.牙體牙髓病：齲病是最常見口腔疾病之一，為牙體硬組織的慢性進(jìn)行性破壞，可持續(xù)發(fā)展為牙髓炎及根尖周炎?；诖髷?shù)據(jù)的人工神經(jīng)網(wǎng)絡(luò)可：①進(jìn)行牙齒自動檢測和編號[5]、齲病的早期預(yù)測及早期預(yù)防，如通過視覺傳感系統(tǒng)采集口腔信息的智能牙刷，實時監(jiān)控人們?nèi)粘？谇恍l(wèi)生健康以及牙齒狀況[6]；②Lee等[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks,CNN）在前磨牙和磨牙上的根尖X片上檢測齲齒，準(zhǔn)確率為82.0%。Orhan等[8]在錐束計算機斷層掃描（CBCT）圖像上檢測根尖周病變，準(zhǔn)確率高達(dá)92.8%；③基于CBCT檢測雙根管、細(xì)小根尖孔定位，微型機器人輔助醫(yī)生完成復(fù)雜根管的治療。人工智能技術(shù)可快速完成對患者的健康信息收集、數(shù)據(jù)分析及治療方案設(shè)計。提高了檢測效率，降低了人工與時間成本，縮短了復(fù)雜多樣的根管治療耗時，降低了根管遺漏、根管過度預(yù)備、側(cè)穿、根尖孔破壞等不良事件的發(fā)生率。

2.牙周?。貉乐懿∈侵赴l(fā)生在牙齒支持組織（牙齦、牙周膜、牙槽骨、牙骨質(zhì)）上的慢性感染性疾病，一旦發(fā)生很難徹底終止和恢復(fù)，其早發(fā)現(xiàn)、早診斷、早治療至關(guān)重要。Lee等[9]將CNN應(yīng)用于X線片，診斷健康牙齒、中度及重度牙周受損，獲得了較高的預(yù)測準(zhǔn)確度。Feres等[10]利用機器學(xué)習(xí)來識別細(xì)菌種類及負(fù)載量，區(qū)分侵襲性牙周炎與慢性牙周炎；Chang等[11]自動檢測影像學(xué)上牙周骨喪失量、輔助牙周炎的診斷及分類分期。

3.口腔正畸：正畸矯治方案的制定涉及諸多復(fù)雜因素，高度依賴醫(yī)生的臨床經(jīng)驗，一旦決策失誤，有可能對患者造成不可逆性傷害?；诖髷?shù)據(jù)的人工神經(jīng)網(wǎng)絡(luò)可進(jìn)行：①頭影測量標(biāo)志點自動識別、頭影測量結(jié)果自動分析、輔助醫(yī)生判定正畸患者是否需要拔牙矯治、輔助醫(yī)生進(jìn)行治療方案確定。Park等[12]使用基于YOLOv3算法的人工智能，自動識別80個測量標(biāo)志點的精度與人工識別無明顯差異；②三維虛擬預(yù)測牙齒移動方式、虛擬預(yù)測面型變化，改善醫(yī)患溝通，輔助患者參與的個性化矯治方案的制定；③弓絲彎曲機器人及基于大數(shù)據(jù)的人工智能CAD/CAM矯治器，如快速彎制正畸弓絲的機器人系統(tǒng)（LAMDA系統(tǒng)）、MotomanUP6機器人、Sure Smile系統(tǒng)[13,14]等，可改善傳統(tǒng)人工弓絲彎制耗時、費力的缺點，縮短診療時間，提升治療效率及患者舒適度。

4.口腔修復(fù)：結(jié)合人工智能的CAD/CAM技術(shù)可設(shè)計制造出更符合功能、美學(xué)及患者需求的個性化修復(fù)體[15]。利用人工智能可在個性化基臺上完成數(shù)字化氧化鋯冠的設(shè)計、前牙美學(xué)數(shù)字化微笑設(shè)計等。筆者長期致力于義齒大規(guī)模精準(zhǔn)仿生制造，歷時20余年研究義齒復(fù)雜個性化自由結(jié)構(gòu)的智能建模、精準(zhǔn)打印和性能調(diào)控機制，實現(xiàn)了從“口腔生理解剖特征”到“復(fù)雜個性義齒結(jié)構(gòu)”的快速精準(zhǔn)轉(zhuǎn)換，解決了個性仿生義齒高精高效設(shè)計制造的難題，所研發(fā)的國內(nèi)首套商品化的活動修復(fù)智能義齒設(shè)計軟件已實現(xiàn)大規(guī)模臨床應(yīng)用[16]。通過融合大數(shù)據(jù)挖掘、人工智能技術(shù)，提供自動方案設(shè)計和推薦，降低了對臨床醫(yī)學(xué)專家經(jīng)驗和操作技巧的依賴程度，快速提升基層和年輕醫(yī)生的臨床技術(shù)水平與義齒修復(fù)效果，通過提供直觀的智能設(shè)計三維模型，便于醫(yī)生和患者、技師交流，相關(guān)專利轉(zhuǎn)化產(chǎn)品iPDentureTM（南京前知智能科技有限公司）已應(yīng)用于65萬例國內(nèi)外牙列缺損、缺失患者，提高了相關(guān)修復(fù)體的設(shè)計效率和效果[17]。近年來，機器人也開始應(yīng)用于口腔修復(fù)領(lǐng)域，主要包括自動牙體預(yù)備機器人、排牙機器人、種植機器人等。研究表明：①自動牙體預(yù)備機器人虛擬設(shè)計備牙方案，可獲得與人工預(yù)備相似的精確度；②排牙機器人縮短了排牙時間、提高了效率及治療質(zhì)量；③種植機器人可輔助精確定位，完成牙槽骨鉆孔等操作，保護(hù)神經(jīng)、血管等重要面部結(jié)構(gòu)。趙銥民教授的團(tuán)隊，開發(fā)了一套高度自動化的口腔種植機器人系統(tǒng)，已完成了原型機的制作，并且在動物口內(nèi)進(jìn)行種植體手術(shù)的結(jié)果顯示：機器人組種植體頸部偏差[M（Q）]為0.269（0.152）mm、根部偏差為0.254（0.218）mm、角度偏差為0.989°（0.517°），準(zhǔn)確性優(yōu)于數(shù)字化全程導(dǎo)板[18]?；诟釾片的深度學(xué)習(xí)方法，可用于自動檢測種植體周圍邊緣骨丟失。靈敏度、特異度、誤診率、漏診率、陽性預(yù)測值等評估指標(biāo)數(shù)據(jù)表明，AI系統(tǒng)達(dá)到住院牙醫(yī)水平[19]?？梢娎脭?shù)字化臨床工具，提高了修復(fù)效率及質(zhì)量，降低了醫(yī)生的工作難度與強度，提升了工作效率。

5.口腔頜面外科：人工智能輔助口腔頜面外科的手術(shù)方案設(shè)計、導(dǎo)板制作及動態(tài)導(dǎo)航手術(shù)機器人的應(yīng)用，可：①提供術(shù)前預(yù)測輔助臨床決策，例如囊腫、腫瘤及癌前病變的早期診斷及自動分類診斷、病變組織與正常組織的界限自動識別。Ma等[20]提出基于高光譜圖像特征的深度學(xué)習(xí)算法，在動物模型頭頸部腫瘤檢測的精確度高達(dá)91.36%。病變與正常組織的界限自動檢測與劃定，可輔助醫(yī)生判斷適宜的切除范圍[21]。Kearney等[22]基于機器學(xué)習(xí)的放療區(qū)域勾勒，確保放療區(qū)域的精準(zhǔn)化、最小化，減少對周圍正常組織的不利影響；②實現(xiàn)手術(shù)精準(zhǔn)定位，有效縮短術(shù)中醫(yī)生操作時間、降低疲勞程度；③動態(tài)導(dǎo)航實現(xiàn)術(shù)中實時自動重新定位，提高手術(shù)安全性。Chao等[23]和Gui等[24]開發(fā)了一種新型導(dǎo)航引導(dǎo)機器人系統(tǒng)，并成功執(zhí)行了截骨手術(shù)和Le FortⅠ手術(shù)；④基于大數(shù)據(jù)與患者個性化數(shù)據(jù)的綜合分析，提供術(shù)后并發(fā)癥預(yù)測，腫瘤進(jìn)程預(yù)測、生存預(yù)測等。Zhang等[25]建立了預(yù)測下頜第三磨牙摘除后面部腫脹的神經(jīng)網(wǎng)絡(luò)模型。Kim等[26]提出了一種基于深度學(xué)習(xí)的口腔鱗狀細(xì)胞癌生存預(yù)測模型，相比傳統(tǒng)方法有更高的預(yù)測準(zhǔn)確性。

三、人工智能的技術(shù)優(yōu)勢

基于深度學(xué)習(xí)和計算機視覺人工智能，可進(jìn)行數(shù)字健康大數(shù)據(jù)的收集、儲存、管理、處理；整合不同領(lǐng)域的異質(zhì)數(shù)據(jù)、評估多層次多因素的數(shù)據(jù)（例如，牙科歷史病歷、患者可穿戴設(shè)備收集的日常健康數(shù)據(jù)、患者牙科X光/CBCT影像數(shù)據(jù)、生物分子檢驗數(shù)據(jù)等），從而得出更客觀的分析結(jié)果，輔助疾病診斷，提供臨床決策支持，克服了基層口腔醫(yī)生專業(yè)知識不足的問題?；诳谇挥跋駲z查圖像的人工神經(jīng)網(wǎng)絡(luò)甚至可以識別出人眼無法察覺的細(xì)微偏差，從而輔助口腔醫(yī)生的診斷。

相比于其他醫(yī)療領(lǐng)域，口腔臨床醫(yī)療的可直視操作范圍更為局限，特別適合發(fā)揮人工智能機器人技術(shù)的優(yōu)勢進(jìn)行輔助。自動牙體預(yù)備、排牙、種植機器人、弓絲彎制機器人、動態(tài)導(dǎo)航手術(shù)機器人等，避免了醫(yī)生臨床操作的主觀性、降低醫(yī)生疲勞、減小人眼視覺誤差，操作標(biāo)準(zhǔn)化、精確性更高，具有微創(chuàng)、省時、高效等優(yōu)勢，同時降低醫(yī)生的人工和時間成本，減輕老齡化帶來的口腔就診需求不斷增加的壓力，從而支持實現(xiàn)世界衛(wèi)生組織（WHO）的“8020計劃（即80歲的老人至少應(yīng)有20顆功能牙）”，支持《“健康中國2030”規(guī)劃綱要》中“健康中國、健康口腔”的國家戰(zhàn)略需求。

四、人工智能面臨的挑戰(zhàn)

人工智能的醫(yī)學(xué)應(yīng)用及產(chǎn)業(yè)化，一方面可以普遍性的快速提高口腔醫(yī)療服務(wù)質(zhì)量，讓更多患者受益，分擔(dān)醫(yī)生的重?fù)?dān)，輔助臨床決策，減少誤診漏診。另一方面，風(fēng)險亦不可小覷，監(jiān)管問題、安全問題、倫理問題值得重視。

人工智能的口腔醫(yī)學(xué)應(yīng)用主要以口腔診療過程中產(chǎn)生的海量醫(yī)療健康大數(shù)據(jù)為基礎(chǔ)，如果不能有效進(jìn)行監(jiān)管，導(dǎo)致病人的健康隱私泄露，可能導(dǎo)致個人和群體的物質(zhì)損失、精神傷害、歧視或污名化，給患者、醫(yī)生、機構(gòu)帶來巨大負(fù)面影響。目前我國數(shù)據(jù)主體的隱私泄露情況屢見不鮮，如有境外醫(yī)療信息公司試圖獲取我國的醫(yī)保信息、病人信息，分析我國公民的疾病譜等以達(dá)到不法目的，將進(jìn)一步危害國家和社會安全、損害國家利益。

進(jìn)一步，患者的安全是口腔診療的首要原則，同樣，人工智能產(chǎn)品的質(zhì)量和作出決策的可靠性至關(guān)重要。如果人工智能學(xué)習(xí)的樣本數(shù)據(jù)不具有代表性（例如，從臨床收集的數(shù)據(jù)可能病情過重、從可穿戴設(shè)備收集的數(shù)據(jù)可能較為健康；口腔患者的年齡、性別、民族分布不均勻、口腔專家的診療水平不一或標(biāo)注真值的標(biāo)準(zhǔn)不一），判斷和執(zhí)行結(jié)果可能出現(xiàn)偏倚，進(jìn)一步導(dǎo)致種族、性別、收入等歧視；如果出現(xiàn)錯誤，而人工智能又很難自動終止，則可能將患者置于危險之中。面向大規(guī)模群體廣泛應(yīng)用時、危害公共健康影響范圍將會擴(kuò)大。此外，口腔臨床應(yīng)用的人工智能產(chǎn)品需是可解釋的和透明的，人工智能系統(tǒng)能夠被描述、核查和再現(xiàn)?？山忉尩暮屯该鞯娜斯ぶ悄苡欣诓块T監(jiān)管與社會監(jiān)督；由于其復(fù)雜性，人工智能系統(tǒng)通常被視為“黑匣子”，但不可解釋的人工智能可能導(dǎo)致安全、信任問題，且一旦決策錯誤或產(chǎn)生故障，將面臨醫(yī)療事故中的法律責(zé)任難以界定、無法追責(zé)等諸多法律風(fēng)險。

綜上，努力建立健全人工智能口腔醫(yī)療有關(guān)的法律法規(guī)和監(jiān)管制度、提升人工智能醫(yī)學(xué)應(yīng)用的安全性、充分保護(hù)個人隱私、樹立倫理意識，建立健全相應(yīng)的倫理治理機制至關(guān)重要。人工智能的技術(shù)進(jìn)步配合健全的監(jiān)管機制，有可能徹底改變口腔醫(yī)療保健與診療，以更低的成本提升口腔護(hù)理、診療水平，從而翻開口腔醫(yī)學(xué)新篇章，助力人類口腔健康的事業(yè)發(fā)展。