作者：肖宇昕，
无托槽隐形矫治（clear aligner therapy，CAT）技术是20世纪90年代后期出现的正畸技术，自研发以来已在临床推广应用20余年。CAT利用三维扫描和数字化建模，通过计算机模拟矫治设计和牙齿移动步骤，结合三维激光快速成形技术制作透明隐形矫治器，可满足患者多种需求并保障矫治效果，在多种错牙合畸形的治疗中具有广泛的应用价值。
近年来随着数字化技术的不断发展，人工智能（artificial intelligence，AI）在CAT中的应用受到广泛关注。AI是一种由机器执行智能任务的技术，可分为符号AI 和机器学习（machine learning，ML）。在医学领域，医疗问题的复杂性和缺乏显性规则导致符号AI未能成为主流。作为目前AI领域的主流范式，ML在口腔医学中的应用值得深入探究。
深度学习（deep learning，DL）是ML的子集，可分为基于人工神经网络（artificial neural network，ANN）和基于卷积神经网络（convolutional neural network，CNN）；其最初基于ANN，而在医学成像领域主要基于CNN。与ML相比，DL在处理大量数据时效率和准确性更高，可自动从供给的数据中提取特征，无需手动指出。本文就AI在CAT 中的应用优势及存在的局限与挑战做一综述，并展望其未来发展方向。
1. 人工智能在无托槽隐形矫治中的应用
1. 1 诊断
1. 1. 1 头影测量分析
头影测量分析是正畸和颅面手术中诊断、治疗方案制定和治疗结果评估的核心，其首要任务是解剖标志点的准确识别。AI通过DL算法显著提升了头影测量标志点检测的效率与精度。在2022年的一项研究中，商业软件CephX 基于CNN 对侧位头影片进行标志点检测，在临床实践可接受范围（< 2 mm）的成功率达到98%，显著高于传统手动方法。另一项研究利用YOLOv3算法对80个解剖特征点进行检测，在2.0、2.5、3.0、4.0 mm 范围内的成功检测率分别为80.4%、87.4%、92.0%和96.2%，展现出其强大的定位能力。
1. 1. 2 临床数码照片分析
AI技术逐渐应用于口腔临床照片分析，展现出其替代或补充传统测量方法的潜力，如基于CNN的下牙弓前段拥挤度定量分析、基于头影测量数据训练的DL算法用于口腔照片分类、基于ML的面中线检测与不对称性评估及基于DL 的口腔全景片（orthopantomography，OPG）下颌标志识别与不对称性分析等。上述技术表明，AI在利用可见光影像或OPG进行关键正畸参数分类、面部对称性的自动化分析等方面存在可行性。
1. 1. 3 骨龄预测
患者的骨骼成熟度对正畸治疗的时机选择、方案制定及预后评估具有重要临床意义。AI通过自动化分析颈椎图像提升了诊断的客观性与可重复性，弥补了传统方法诊断一致性较低的缺点。研究发现，ANN 是颈椎成熟度自动检测相对稳定且有效的算法，但需要手动标注标志点，尚未实现全流程自动化。针对此局限，Atici等开发了全自动CNN分期模型，Seo等进一步结合CNN 与梯度加权类激活映射（gradient-weighted class activation mapping，Grad-CAM）技术用于解释CNN 的决策依据，均显著提高了准确率。
1. 1. 4 多模态数据融合分析
多模态数据融合分析是通过整合临床数据、锥形束CT（cone beam CT，CBCT）影像和口腔扫描数据等数据源来获得更全面信息，可应用于患者的资料存储、疾病诊断分析、治疗模拟、生物力学评估、矫治器设计及治疗效果评价等，在口腔正畸领域价值日益凸显。有研究利用AI 算法在CBCT 图像上进行根管拔除，并结合口内扫描（intraoral scanning，IOS）所得的牙冠数据在Geomagic软件（一款三维数据处理软件）中创建复合三维模型，为正畸治疗期间的根外吸收提供了一种新的评估方式。
1. 2 方案设计
CAT的方案设计是影响正畸效果的核心因素之一，包括正畸治疗决策和个性化矫治方案设计2个方面。
1. 2. 1 正畸治疗决策
大多数错牙合畸形是由于牙齿排列位置不当而引起齿间必要空间与实际可用空间产生差异，故正畸治疗决策的重点是增加骨量和减少牙量。AI的快速发展可为医生的临床决策制定提供有效辅助。AI对正畸治疗需求、治疗方案和治疗计划的预测多基于ANN 和CNN。早在2010年，ANN在牙齿减数预测中已表现出80%的准确度；另一项研究利用ML结合头影测量变量、牙齿模型数据和软组织特征对拔牙需求进行预测，准确率达到93.9%；近年来，CNN等其他AI算法在正畸治疗需求、减数模式、前牙压低策略、正颌手术术式选择等决策预测中的准确率进一步提升，表明其可协助临床医生进行准确的决策制定。
1. 2. 2 个性化矫治方案设计
CAT成功的关键是对于矫治初始、中间与最终目标位的预测与设计。其中，初始位来自患者IOS获得的口内三维数字化模型；中间位可确保牙齿移动路径和速率，使其符合正畸的生物力学原则；最终目标位则是矫治结束后可达到的良好牙齿弓形、咬合关系及软硬组织的协调。应用叠加牙齿模型进行正畸前后牙齿移动分析发现，数字化模型对牙齿移动的预测与实际移动轨迹间吻合度极高，且不同的数字化模型所得的预测结果符合相关系数超过0.99，其精确度为矫治设计中虚拟排牙提供了有效技术支持。
时代天使开发的iOrtho平台利用大数据和AI算法，可在计算机上模拟诊疗全流程，自动完成排牙过程及数字化治疗方案设计，并通过动画模拟预测治疗效果，实现了治疗的“可视化”。DL在牙齿分割中准确率很高，其交并比和Dice 相似性系数近乎1。可使用DL 在口腔3D模型上进行牙齿的自动化分割与识别，再利用迭代最近点（iterative closest point，ICP）算法重建CBCT中分段的牙齿，形成完整用于模拟正畸治疗的口内数字模型。还有研究将GPT-4V和多模态预训练技术结合，以增强IOS生成的扫描图像中的3D牙齿分割效果。
在矫治过程中，为确保牙齿有足够的移动空间，充分了解根骨关系对治疗的安全性和有效性十分重要，可利用AI辅助的多模态数据融合技术构建患者的冠-根-骨模型。AI算法将IOS所得的牙冠信息与CBCT所得的牙列信息相结合，进行图像分割技术和模型配准，快速重建出牙冠、牙根及其周围组织的三维数字模型，同时实现根骨关系的可视化，其误差可控制在0.17 ~ 0.30 mm，达到临床可接受的配准效果。
1. 3 远程监控与疗效评估
远程监控与疗效评估是AI在CAT中的另一重要应用场景。传统正畸治疗的监测周期过长和常规复诊纸质化记录模式的效率偏低推动了智能化监测技术的发展，其获得医患双方认可。当前，远程监测系统主要依托三大技术模块构建：患者端移动应用程序负责数据采集，医生端DoctorDashboard®实现可视化管控，运动追踪算法专精于影像分析。该系统不仅能实时追踪矫治器佩戴时长，提供智能提醒，还可有效评估治疗阶段进展情况及保持期复发风险。
近年来集成于活动矫治器的传感设备使用率显著提升，为依从性监测提供了新的技术路径。Dental MonitoringTM能够通过患者自拍的口内照片实时跟踪矫治进度，检测隐形牙套的贴合
定制化应用程序能够直观展示治疗细节，并通过大数据分析为行为干预提供支持，在患者教育方面展现出独特价值。从临床效果来看，数字化监测系统的应用有效减少了复诊需求；在矫治器异常检测和个性化方案制定等方面表现突出，可缩减椅旁时间、提高患者依从性、早期识别与纠正隐形矫治过程中发生的错误。此外，对于医疗资源匮乏地区，AI辅助的远程咨询系统可通过分析患者提交的影像资料来提高诊疗的可能性。
1. 4 医患沟通
AI技术在医患沟通中的应用主要体现在自然语言处理（natural language processing，NLP）和图像生成技术2个方面。AI可通过生成患者的面部形态变化来预测图像，其可直观展示治疗效果，帮助患者更好地理解治疗方案。此外，AI驱动的聊天机器人通过实时交互来解答患者疑问并提供个性化建议，从而提升患者的参与感与满意度。这不仅减轻了医生的行政负担，还可优化患者的就医体验。有研究应用ChatGPT-4回答正畸患者的常见问题，其发现即使在非英语语言的情况下，ChatGPT-4 亦表现出较强的沟通能力与准确性，有助于解答患者的疑惑并缓解焦虑。
2. 人工智能在无托槽隐形矫治中应用的机遇与挑战
尽管AI在CAT中展现出巨大潜力，但其应用仍面临诸多挑战。
2. 1 诊断
①当前多数研究依赖单中心数据集，样本多样性不足且存在观察者间差异，导致模型泛化能力受限。②多模态数据整合面临多种异构数据源（如影像、IOS、面部扫描、生物力学数据）的获取与处理，亟待深入研究。
2. 2 方案设计
①由于受到患者个体间差异和CBCT图像伪影的影响，自动分割算法的准确性和鲁棒性面临巨大挑战。有研究显示，改良版的ICP算法在处理CBCT扫描中的伪影时可表现出高精度的配准。②患者隐私信息泄露与滥用的风险亦不容忽视。目前仅有少数AI辅助正畸产品获得监管批准（如CEREC Ortho Software通过美国食品药品监督管理局认证），多数技术仍处于研究阶段。③算法解释性与透明度是另一核心挑战。DL模型的“黑箱”特性使得医生难以理解其决策逻辑，且现阶段尚缺乏统一的评估指标。④AI决策的责任归属尚不明确。当出现治疗偏差时，难以界定医生与算法的责任，这也限制了其临床应用。
2. 3 远程监控与医患沟通
①当AI与CAT结合时，其在远程监控方面的显著优势是减少复诊次数，但并不意味减少治疗时间，其成功率取决于患者配合度。②远程监控技术在不同地区或不同经济群体中的普及程度不同，这可能会加剧正畸治疗的不平等性。③在缺乏医学专家监督的情况下，AI驱动的应用程序直接向患者提供医疗指导可能引发伦理和法律争议。
3. 结语
AI辅助的CAT在诊断、方案设计、远程监控与疗效评估、医患沟通等环节中存在一定优势，但需在数据质量、算法透明性和监管合规性等方面持续改进。可采用联邦学习技术，即在保护数据隐私的前提下，整合多方面数据进行模型训练，既可提高性能又符合伦理要求。同时，应制定数据隐私保护法规，建立完善的监管与伦理框架，推动AI辅助正畸产品的标准化审批流程，明确技术准入标准和临床应用规范，确保患者信息安全。
未来，AI有望与虚拟现实（virtual reality，VR）和增强现实（augmented reality，AR）技术结合，实现更直观的治疗模拟和医患沟通，进一步提升隐形矫治的精准性和患者体验。通过多学科协作和技术创新，未来AI将更深度融入正畸临床，重塑现代口腔医学的服务模式，推动高质量、高效率、低成本牙科诊疗体系的构建和个性化精准治疗的发展。
来源：肖宇昕,张雨桐,魏义航,等.人工智能在无托槽隐形矫治中的应用研究进展[J].中国实用口腔科杂志,2025,18(05):620-625.DOI:10.19538/j.kq.2025.05.018.
我要投稿
