智慧口腔正畸———口腔正畸诊疗体系的新发展方向

　　【摘要】口腔正畸诊疗体系包括术前检查分析、术中矫治调整和术后保持随访，是一个复杂而长期的诊疗过程。传统的正畸诊疗模式对医生个人的经验能力和时间付出要求极高，其治疗效果和效率也因人而异。互联网、云计算、大数据、三维打印等先进技术的发展和应用，为实现口腔正畸诊疗全流程的智慧化、为正畸临床和研究的发展注入新的动力提供了可能。

　　本文将对智慧口腔正畸诊疗体系的组成部分、进展研究和发展展望进行介绍。

　　【关键词】智慧正畸;诊疗体系;人工智能;精准医学

　　口腔正畸学作为一门古老而新兴的学科，其技术的更新也随科学技术的发展、患者需求的提高而与时俱进。早在公元1世纪，Celsus就教人们用手指推牙来矫治错位牙;1728年，Fauchard率先报告了机械矫治器的使用;19世纪末，Angle提出了咬合分类法并将口腔正畸学发展成口腔医学的分支学科;20世纪20~30年代，Broadbent等引入了X线头影测量分析，Hell-man引入了咬合发育分期等，逐渐为口腔正畸临床奠定了科学基础。

　　自20世纪40~50年代开始，由于第三次科技革命的推动，口腔正畸学获得了更大的发展。激光的工业应用带来了矫治器的大批量、低成本精密制造;生物技术的发展使正畸力学生物学基础研究蓬勃发展;计算机的出现使口腔正畸学的“数字化”成为可能。数字化指将许多复杂多变的信息转变为可以度量的数字，以这些数字建立数字化模型，转变为一系列二进制代码，引入计算机内部进行处理、分析。数字化是“智慧化”的实现基础，智慧化是数字化的应用升级。智慧化是从感觉到记忆再到思维决策的过程，其特点为具有感知能力、记忆和思维能力、学习能力和自适应能力、行为决策能力。

　　自2015年国务院印发《中国制造2025》以来[1]，我国在互联网、云计算、大数据、三维打印等领域取得了重大突破，为口腔正畸全流程的智慧化奠定了坚实基础。“智慧口腔正畸”指通过大数据、人工智能、图形图像处理、计算机辅助设计和辅助制造等技术，实现正畸病例管理、分析诊断及治疗方案制定、可视化疗效预测、矫治器设计制造、矫治器配戴监控。相比传统的数字化口腔正畸，智慧口腔正畸的优势及意义在于:进一步优化人机交互环境，进一步提升正畸资料获取能力，进一步加强自动分析和诊断能力，进一步优化自动决策能力。可通过人工智能辅助多模态正畸资料综合智能分析系统、人脸三维照相机及可视化正畸疗效预测系统、新型数字化、定制式正畸矫治系统及可摘式矫治器佩戴智能监控系统等，分步实现智慧口腔正畸的关键数据提取、分析诊断、疗效预测，提高临床诊疗效率与精度。

　　1 智慧口腔正畸诊疗体系的组成部分

　　1．1 正畸患者的智慧管理

　　每位正畸患者都有大量病例资料需要管理，包括但不限于初诊及多次复诊的口扫数据或模型扫描数据、面部二维数码照片、面部三维影像数据、口内二维数码照片、侧位X线片、全景X线片、锥形束投照电子计算机断层扫描(CBCT)数据等。借助人工智能，可实现自动建档、一键分类、时序整理、自动复诊预约等功能，提高患者管理效率。

　　当前的口腔医院(诊所)管理系统，如牙医管家、e看牙软件等，都已实现了患者档案的数字化统合管理，但并未借助人工智能实现更加深度的智慧管理。一些定制式矫治器厂家，如爱齐、时代天使、奥美科等，也建立了品牌专属的病例管理系统，方便管理患者常规资料、口扫记录、三维方案分析设计等。随着人工智能、大数据的运用，目前已经出现一些具有一定的“智慧管理”能力的患者管理系统。如Usorter是一种基于人工智能的正畸图片智能管理系统[2]。其具有一键自动分选、自动整理能力，可以自动分拣患者照片、批量自动整理成PPT等，可替代人工完成繁琐工作，提高正畸医生的患者管理效率。

　　1．2 多模态正畸资料的综合智慧分析

　　正畸资料纷繁复杂，诊断、分析、方案设计需要耗费医生的大量时间。基于人工智能、大数据、云计算等，可大幅度提高多模态正畸资料的分析效率，形成专家级别的正畸方案。其不仅有利于单一医生增大接诊量，也有利于初级正畸医生提升接诊、分析、诊断能力，从而在社会总体层面提升正畸服务能力。

　　二维X线头影测量是口腔正畸的重要诊断方式。已有较多学者基于机器学习等进行标志点定位、标志线角分析相关研究，认为其准确性与人类专家接近，但定点速度、辅助诊断效率具有较大优势[3]。在腺样体肥大、颈椎成熟度等的辅助诊断中，机器学习也在定点速度、诊断效率方面表现出类似的优势[4－5]。目前，市面上已有一些基于机器学习的X线头影测量产品，如Uceph[2，6]、智贝云等[7]均能够进行标志点定位、标志线角测量、多个治疗阶段头影测量重叠等，满足临床使用要求。另有研究表明，在正面照片上可采用机器学习进行正貌美学分析[7]，在CT上也可采用机器学习进行三维头影测量分析上的标志点定位[8]等。

　　牙、骨、软组织的解剖结构关系是正畸诊断的重要基础。口内扫描仪、模型扫描仪等利用三角测量技术、干涉及相移测量技术、动态三维捕捉技术、平行共聚焦成像技术等采集相应三维数据。运用机器学习进行的自动化牙齿分割具有高精度、高鲁棒性、少人工干预的优势[9－10]。人工神经网络也可用于CBCT解剖结构的检测、分类、分割，展现了强大的能力和应用前景，是实现口腔数字化工作流程的重要条件[11－12]。研究发现，机器学习和手动方法在口扫和CBCT图像数据的整合中表现出相似的准确性，但通过机器学习合并数据可以更加高效地构建软硬组织高精度数字化三维模型，更适用于治疗过程的评估[13]。

　　人工智能还可以辅助建立口腔正畸专家系统，指导缺乏经验的正畸医师制定正畸方案。专家系统可以根据专家制定的规则辅助决策，通过提取新案例特征以匹配类似案例、基于人工神经网络进行指标分析计算等方式，预测正畸减数治疗的方式[14－15]。报道显示，神经网络预测最重要的指标是“上颌牙弓拥挤”、“ANB角”和“Spee曲线深度”[16]。然而，机器学习中的不同算法的适用场景可能不同，如逻辑回归算法更加适用于决策与否减数、随机森林算法更加适用于选择减数模式[15，17]，提示人工智能专家系统的完成有赖多种算法的结合。

　　1．3 正畸疗效的智慧预测

　　正畸疗效的预测一直是正畸医患双方关注的重点。

　　传统的可视化疗效预测(VTO)采用侧位X线片或侧位片，仅能对软组织侧貌进行预测，且准确性与医生治疗经验高度相关。然而，正畸患者的审美需求包括正面、侧45°、侧面等多个角度，传统VTO无法满足上述需求。借助先进的计算机算法，有望对二维、三维面像进行唇部、颏部、颊部、鼻部等多个部位在正畸前后的形态变化进行直观预测，在术前“预见”术后容貌。

　　现有研究通过分析软硬组织变化量的规律，可由骨组织变化预测上唇和颏区等区域皮肤轮廓[18]。一些软件，如智贝云具有VTO功能，可基于软硬组织移动的比例预测治疗后软组织侧貌的变化。有研究通过人工神经网络预测患者拔牙和不拔牙后上下唇曲度变化、预测疗效评价标准指数，但受软组织厚度紧张度、颌面部畸形、年龄性别种族、测量技术等多因素影响，预测结果表现出一定差异[19－20]。人工智能还可辅助医师对患者进行相对标准化的面部美学评估，如人工神经网络可以分析正畸或正畸－正颌联合治疗对患者面部吸引力的影响等[21－22]。

　　1．4 高精准数字化定制式矫治系统

　　计算机辅助设计与制造(CAD/CAM)在口腔正畸领域的应用极大地推动了正畸治疗装置的革新。定制式固定矫治器具有“以终为始”的目标导向性，“量齿定做”的形貌特征，代表着方丝弓、直丝弓之后的矫治理念新进步。透明矫治器具有美观、舒适、可摘戴等明显特征，是定制式矫治系统的重要组成部分。

　　在唇侧固定矫治、舌侧固定矫治领域，为了实现更高效、更精准的正畸治疗，数字化定制式矫治系统应运而生。其制造流程普遍包括:诊断分析—计算机辅助终末位排牙—计算机辅助制造托槽—计算机辅助定制弓丝—托槽复初诊模—定制定位夹等步骤。其中，托槽和弓丝的制造手段多种多样，如Incognito舌侧托槽在三维打印蜡块后采用失蜡法铸造;Insignia唇侧金属自锁托槽采用成品托槽体精密切削后与托槽底板个性化精密焊接制造，唇侧陶瓷自锁托槽采用成品陶瓷托槽加树脂底板的方式制造。不锈钢弓丝多采用机械臂弯制，镍钛弓丝多采用成品弓丝高温定型等[23－24]。透明矫治器的出现为医生和患者提供了一个更加美观舒适的选择，但目前其仍存在矫治效率和治疗精度不高等不足[25]。

　　由于金属三维打印具有个性化定制、加工周期短、成本低、形态设计不受限等优点[26]，随着技术的不断进步，正畸托槽和弓丝有望实现直接三维打印。直接三维打印托槽的优势主要体现在:不仅能设计不同转矩、厚度等，还能根据治疗需求设计不同的托槽宽度、槽沟形态及尺寸、灵活设计各种牵引钩等，具有显著的生物力学优势;应用三维打印有望减小托槽厚度，带来更舒适的治疗体验等。三维打印弓丝的加工周期短，不耽误医生复诊;弓丝形态、粗细无设计明显限制，生物力学控制手段更丰富多彩等[27]。

　　1．5 矫治器佩戴监控系统

　　可摘式矫治器的疗效与患者自身的佩戴情况关系密切，矫治器的佩戴时长、佩戴方式等均可能对其治疗效果造成严重影响[28－29]。医生对患者的佩戴情况的现有监控手段极其有限，多数时候只能通过复诊时询问佩戴情况、检查矫治器是否能良好戴入等获知。

　　目前的佩戴监控装置以化学式为主，如隐适美矫治器的“依从性指示器”是位于磨牙区域的一个蓝色小点，随着矫治器的佩戴，其蓝色会逐渐变浅，正畸医生可据此粗略估计患者的佩戴时间。研究表明，使用手机即时通讯软件可以监控口腔卫生情况和保持器佩戴情况[30－31]，但尚无一种能够自动、实时监控患者佩戴情况的监控系统。笔者团队基于物联网、5G、微型芯片等技术，研发了一种用于牙齿矫治器的佩戴信息采集检测处理微系统，以方便医生对患者的远程指导和管理，提高患者的依从性和治疗效果[32]。

　　2 展望

　　“智慧化”是口腔正畸临床诊疗的巨大变革。一套规范、完整的智慧口腔正畸诊疗流程的建立，必将在便捷、高效、精准等多方面使患者和口腔医生同时受益，提高患者满意度。同时，其还将为《“健康中国2030”规划纲要》的实施添砖加瓦，如加速国产医疗器械、设备的弯道超车，实现高端医疗设备的国产化;推进健康公共服务的均等化，缩小城乡、地区、人群间口腔正畸服务水平的差异等。目前，口腔正畸临床诊疗的智慧化时代已经逐步到来，但仍有一些不足之处，如:现有人工智能系统只能实现小部分患者的数据归档，大部分数据归档仍依赖大量人工;部分人工智能辅助诊断系统的鲁棒性不高，辅助诊断精度不能满足临床需求;正畸疗效的预测仍主要集中在二维侧貌，缺乏对三维颜貌的预测;定制式矫治器成本高昂，操作繁琐，普及有限;无法实现矫治器佩戴的全天候、自动化监控等。但笔者坚信，智慧化既是机遇也是挑战，我国口腔正畸工作者能勇敢面对和迎接这一挑战，为推动口腔正畸临床诊疗体系的智慧化做出重大贡献。

　　参考文献

　　[1]中华人民共和国国务院．国务院关于印发《中国制造2025》的通知[EB/OL]．(2015－05－19)[2022－08－29]．http://www．gov．cn/zhengce/content/2015－05/19/content_9784．htm．

　　[2]成都牙讯科技有限公司．Uceph [EB/OL]．[2022－08－29]．http://www．uceph．com/index．html．

　　[3]KIM H，SHIM E，PARK J，et al．Web-based fully automated cephalometric analysis by deep learning [J]．Comput MethodsProgramsBiomed，2020，194:105513．

　　[4]ZHOU J，ZHOU H，PU L，et al．Development of an artificial intelligence system for the automatic evaluation of cervicalvertebral maturation status [J]．Diagnostics(Basel)，2021，11(12):2200．

　　[5]LIU J L，LI S H，CAI Y M，et al．Automated radiographic evaluation of adenoid hypertrophy based on VGG-lite [J]．J DentRes，2021，100(12):1337－1343．

　　[6]ZHANG Z，LIAO W，XIONG X，et al．Evaluation of online game-based and traditional teaching methods in cephalometric landmarks identifications [J]．Am J Orthod Dentofacial Orthop，2022，161(6):e534－e543．

　　[7]成都玻尔兹曼智贝科技有限公司．智贝云影[EB/OL]． [2022－08－29]．https://www．aortho360．com/．

　　[8]DOT G，SCHOUMAN T，CHANG S，et al．Automatic 3-di-mensional cephalometric landmarking via deep learning [J]．J Dent Res，2022:220345221112333．

　　[9]TIAN S，DAI N，ZHANG B，et al．Automatic classification and segmentation of teeth on 3D dental model using hierarchical deep learning networks [J]．IEEE Access，2019，7(1):84817－84828．

　　[10]XU X，LIU C，ZHENG Y．3D tooth segmentation and labeling using deep convolutional neural networks [J]．IEEE Trans Vis Comput Graph，2019，25(7):2336－2348．

　　[11]SHAHEEN E，LEITE A，ALQAHTANI K A，et al．A novel deep learning system for multi-class tooth segmentation and classification on cone beam computed tomography．A validation study [J]．JDent，2021，115:103865．

　　[12]MIKI Y，MURAMATSU C，HAYASHI T，et al．Classification of teeth in cone-beam CT using deep convolutional neural network [J]．Comput Biol Med，2017，80:24－29．

　　[13]LEE S C，HWANG H S，LEE K C．Accuracy of deep learning-based integrated tooth models by merging intraoral scans and CBCT scans for 3D evaluation of root position during orthodontic treatment [J]．Prog Orthod，2022，23(1):15．

　　[14]XIE X，WANG L，WANG A．Artificial neural network modeling for deciding if extractions are necessary prior to orthodontic treatment [J]．Angle Orthod，2010，80(2):262－266．

　　[15]JUNG S K，KIM T W．New approach for the diagnosis of extractions with neural network machine learning [J]．Am J Orthod Dentofacial Orthop，2016，149(1):127－133．

　　[16]LI P，KONG D，TANG T，et al．Orthodontic treatment planning based on artificial neural networks [J]．SciRep，2019，9(1):2037．

　　[17]SUHAIL Y，UPADHYAY M，CHHIBBER A，et al．Machine learning for the diagnosis of orthodontic extractions:A computational analysis using ensemble learning [J]．Bioengineering(Basel)，2020，7(2):55．

　　[18]LO L J，WENG J L，HO C T，et al．Three-dimensional region-based study on the relationship between soft and hard tissue changes after orthognathic surgery in patients with prognathism [J]．PLoSOne，2018，13(8):e0200589．

　　[19]NANDA S B，KALHA A S，JENA A K，et al．Artificial neural network (ANN) modeling and analysis for the prediction of change in the lip curvature following extraction and non-extraction orthodontic treatment [J]．J Dent Special，2015，3(2):217．

　　[20]MAETEVORAKUL S，VITEPORN S．Factors influencing softtissue profile changes following orthodontic treatment in patients with Class II Division 1 malocclusion [J]．Prog Orthod，2016，17:13．

　　[21]YU X，LIU B，PEI Y，et al．Evaluation of facial attractiveness for patients with malocclusion:A machine-learning techniqueemploying Procrustes [J]．AngleOrthod，2014，84(3):410－416．

　　[22]PATCAS R，BERNINI D A J，VOLOKITIN A，et al．Applying artificial intelligence to assess the impact of orthognathic treatment on facial attractiveness and estimated age [J]．Int J Oral Maxillofac Surg，2019，48(1):77－83．

　　[23]TSOLAKIS I A，GIZANI S，TROLAKIS A I，et al．Three-dimensional-printed customized orthodontic and pedodontic appliances:A critical review of a new era for treatment [J]．Children(Basel)，2022．9(8):1107．

　　[24]吴坤基，孔卫东．个性化矫治器在正畸治疗中的应用 [J]．口腔疾病防治，2019，27(2):132－136．

　　[25]YASSIR Y A，NABBAT S A，MCINTYRE G T，et al．Clinicaleffectiveness of clear aligner treatment compared to fixed appliancetreatment:An overview of systematic reviews [J]．Clin Oral Investig，2022，26(3):2353－2370．

　　[26]WANG X，XIA L，LI J，et al．Accuracy of dental arch form in customized fixed labial orthodontic appliances [J]．Am J Orthod Dentofacial Orthop，2022，162(2):173－181．

　　[27]KREY K F，DARKAZANLY N，KUHNURT R，et al．3D-printed orthodontic brackets-proof of concept [J]．Int J Comput Dent，2016，19(4):351－362．

　　[28]TIMM L H，FARRAG G，BAXMANN M，et al．Factors influencing patient compliance during clear aligner therapy:Aretrospectivecohortstudy[J]．JClinMed，2021，10(14):3103．

　　[29]HANSA I，KATYAL V，FERGUSOND J，et al．Outcomes of clear aligner treatment with and without Dental Monitoring:A retrospective cohort study [J]．Am J Orthod Dentofacial Orthop，2021，159(4):453－459．

　　[30]SCHEERMAN J F M，VAN MEIJEL B，VAN EMPELENP，et al．The effect of using a mobile application(WhiteTeeth) on improving oral hygiene:A randomized controlled trial[J]．Int J Dent Hyg，2020，18(1):73－83．

　　[31]ZOTTI F，ZOTTI R，ALBANESE M，et al．Implementingpost-orthodontic compliance among adolescents wearing removable retainers through Whatsapp:A pilot study [J]．Patient Prefer Adherence，2019，13:609－615．

　　[32]赵志河，廖文，王军，等．一种用于牙齿矫治器的佩戴信息采集监测处理微系统:ZL202023210332[P]．2021－03－26．

　　作者：廖文 王军 李宇 李娟 尧可 刘莹珂 丁若邻 廖盛楠 赵志河