人工智能在正畸教學中的應用

樊琪 朱錦怡 龍虎

[摘要]人工智能（Artificial Intelligence，AI）自誕生以來已經在醫學領域取得廣泛應用，并且通過人工智能在線課程、虛擬仿真技術、智能機器人等形式參與到醫學教育的改革中，同時給口腔正畸學的理論和臨床實踐的教學帶來了新機遇。醫學教育應當轉變理念適應人工智能的時代潮流，使人工智能在醫學教育中發揮更積極的作用。

[關鍵詞]人工智能；醫學教育；口腔正畸學；教學改革；應用

[中圖分類號]R783.5? ? [文獻標志碼]A? ? [文章編號]1008-6455（2024）02-0191-03

Applications of Numeric Artificial Intelligence in Orthodontic Education

FAN Qi1，2，ZHU Jinyi1，LONG Hu1，2

（1.State Key Laboratory of Oral Diseases & National Center for Stomatology & National Clinical Research Center for Oral Diseases，West China Hospital of Stomatology，Sichuan University，Chengdu 610041，Sichuan，China; 2.Department of Orthodontics，West China Hospital of Stomatology，Sichuan University，Chengdu 610041，Sichuan，China）

Abstract： Artificial Intelligence （AI） has been widely applied in medicine and participated in the reform of medical education in the form of artificial intelligence online courses， virtual simulation technology， robots， etc. New opportunities have been brought by AI in the field of academic theory and clinical practice teaching. Medical education should adapt to the era of artificial intelligence where AI can provide more active effects.

Key words： artificial intelligence; medical education; orthodontics; teaching reform; application

自從1956年“人工智能（Artificial intelligence， AI）”被首次提出，其在各個領域已經逐漸取得廣泛應用，含義也已經從機器學習、大數據挖掘、語音識別等抽象的獨立概念轉變為具體實際的應用[1]。近年來，人工智能在教育領域的應用得到廣泛拓展，我國《中共中央國務院關于全面深化新時代教師隊伍建設改革的意見》中明確提出，教師應主動適應信息化、人工智能等新技術變革，積極有效開展教育教學。在醫學教育領域，人工智能可以通過人工智能在線課程、基于仿真的外科手術模擬、人工智能機器人等形式得到應用。醫學專業課的教學必須緊跟技術的進步，以提高學生的崗位勝任力，隨著人工智能技術在教育領域應用的逐步推進，醫學教育正面臨著改進和轉型。

1? 人工智能的概念與分類

人工智能是指在最少的人為干預下以計算機模擬人的思維過程和認知行為，包括學習、推理、規劃等，以完成較復雜的任務。人工智能含義廣泛，包含眾多研究領域。從算法構建的角度可以將其分為兩大類，包括符號人工智能（Symbolic AI）和數字人工智能（Numeric AI）[2]。符號人工智能起源于人工智能的“符號主義（Symbolicism）”，通過將思維過程編輯為結構化的邏輯語句，并且用簡單的自然語言單詞表示概念[3]，使得機器可以基于人為的邏輯編碼學習技能，通過邏輯推理解決問題。其代表成果之一就是專家系統（Expert system），能夠通過軟件程序的運算模擬人類專家回答問題，但是醫學臨床問題往往較為復雜，難以通過合理的邏輯編碼使符號人工智能完成學習，因而限制了其在醫學中的進一步應用。數字人工智能與連接主義（Connectionism）相關，主張通過算法模擬神經網絡及神經網絡間的連接機制與學習算法。其核心是機器學習（Machine learning，ML），可通過大量的數據自主分析算法以習得技能。通過多層神經網絡算法達到機器學習目的的方式即為深度學習（Deep learning，DL）。作為機器學習的子領域，其最廣為人知的成果則是AlphaGo，通過大量的棋譜和棋局模擬學習相應的邏輯，最終戰勝所有人類棋手。但是與符號人工智能的“思維”過程能夠被人類編程并完全理解所不同的是數字人工智能通過大量數據訓練所獲得的運算過程對于人類來說是“黑匣子”，無法被人類所理解。在醫學實踐中，這一“黑匣子”現象往往使得醫生難以完全相信該人工智能系統[4]。此外，人工智能在醫學中的具體應用，還可分為虛擬和實體兩個方面[5]。實體應用主要是指各種醫療機器人，而虛擬應用則主要與機器學習相關，包括診斷系統和電子病歷管理系統等。

2? 人工智能在醫學教育中的應用現狀

人工智能在醫學領域中的實踐已經有了較多應用，醫學實踐已經向人工智能時代轉變。Wartman SA等[6]指出當今的醫學教育也同樣需要從信息時代轉換到人工智能的時代，未來的醫療實踐將會涉及來自大數據挖掘和人工智能應用等來源的大量數據，因而需要更妥善地看待和處理醫生和機器之間的交互。為了使醫學生能適應這些醫療實踐的轉變，醫學教育階段需采取一定措施，使醫學生能夠更多地關注醫療教育中人與機器的協調工作。

此外，醫學生的專業學習需要大量的知識和經驗積累，除基礎專業知識的學習以外，還要與臨床實踐相結合，同時需要通過大量的病例學習才能成長。然而，在某些特殊情況下受條件限制而需進行線上教學時，醫學生現場實踐學習臨床操作的機會受到一定程度的影響。在此背景下，進一步響應教學改革，促進人工智能與醫學教育的結合能取得一定優勢。人工智能在醫學教育中的應用目前集中于課程綜合分析、輔助學習與學習評估等方面[7]，其中輔助學習的功能除了能夠提供基于人工智能的實時反饋，還具有可以實現遠程教學、結合虛擬現實及提供大量病例資源等優勢。

Stone R等[8]介紹了一種基于人工智能的教學解決方案，可以提供具有交互功能的臨床技能教學，實現了學生反饋良好的遠程教學。而虛擬現實技術采用多傳感器實現實時反饋，創建仿真的虛擬操作環境，對于臨床操作的教學具有與生俱來的優勢。僅在口腔領域，就已經有DentSim系統、Virtual Education System for Dentistry系統、Individual Dental Education Assistant系統等用于教學的模擬訓練系統[9]。除臨床操作技能以外，在以影像學為代表的診斷性學科中，人工智能在教學中能夠提供海量的病例素材，提高學生的學習效果[10]。Duong MT等[11]則詳細介紹了目前放射學教育面臨的挑戰以及人工智能給出的解決方案，并且提出“精準醫學教育”的概念，強調基于人工智能針對每個學生的個性化教學。同樣也有實驗表明，在口腔影像學的教學中，學生通過電子學習也能夠達到與傳統教學方式相同的教學效果，并且具有更積極的學習心態[12]。

3? 人工智能在正畸教學中的應用現狀

口腔正畸學是研究錯牙合畸形的病因與機制、診斷分析及預防治療的實踐性學科，是口腔醫學的分支學科，專業性較強，尤其是在本科教學中課時占比較少而理論知識龐雜，教學存在較大的困難，學生往往在專業知識和實踐操作上的理解有一定的偏差。因此，口腔正畸學的本科教育需要改變傳統的教學思想，以便學生更好的學習。人工智能在正畸教學中的應用現狀見圖1。

圖1? 人工智能在正畸教學中的應用現狀

3.1 正畸專業理論學習：正畸的理論教學模式已經有各個方向的嘗試，包括傳統教學模式下的基于問題的學習（Problem-based learning，PBL）[13]、以團隊為基礎的學習（Team-based learning，TBL）、基于案例教學法（Case-based learning，CBL）[14]等方向的嘗試，近年來，也有與數字化技術及線上教學相結合的嘗試。易儉如等[15]調查了因需線上教學而通過慕課課程（Massive open online course，MOOC）和小規模在線課程（Small private online course，SPOC）進行教學的口腔醫學生，調查結果顯示僅有少部分同學認為能夠有效掌握所教授的理論知識，并且認為該模式缺點主要在于無法實時與教師及同學互動，缺乏實時的反饋，因而難以調動積極性。此外，也有一些通過結合數字化技術進行頭影測量、擁擠度分析等理論教學[16-17]，甚至是病例分析教學的教學改革嘗試[18]，均取得較理想的效果。但是本質上來說，這些教學改革的嘗試只是數字化及人工智能與正畸教學結合的初步嘗試，是傳統教學模式的一種拓展，本質上仍然沒有從信息時代的教學模式轉變到人工智能時代。人工智能的進一步引入與融合，或許能為學生所提出的缺乏實時反饋和難以調動學習積極性的問題提供一種解決方案。

3.2 正畸影像資料解讀：在影像學的臨床實踐中，人工智能的圖像識別和深度學習的能力得到了極大發揮[19]。例如：深卷積神經網絡（Convolution neural network，CNN）算法可以基于CT數據識別脊椎椎體并判斷是否有骨折，類似的算法也可以實現骨密度的計算[1]，Lee KS等[20]評估了CNN利用全景片識別骨質疏松癥的性能并加以肯定。正畸影像資料對于正畸的診斷至關重要，缺乏經驗的正畸醫生也常?？赡軙鲆娎щy。Bichu YM等[2]總結了人工智能在正畸影像資料解讀中的一些應用，包括頭影測量、骨齡判斷、全景片篩查骨密度、顳下頜關節炎診斷等方面，結論得出人工智能在判斷頸椎骨齡和診斷顳下頜關節炎時是準確且穩定的，在頭影測量標志點分析方面能夠花費更少的時間達到與人工相同的準確度，甚至超過缺乏經驗的正畸醫生。這些人工智能在正畸影像資料解讀方面的應用已經實現了較高的準確度，因而對于缺乏經驗的正畸醫生來說，人工智能的輸出結果則可以作為各項臨床判斷的參考，即人工智能在正畸影像教學方面的應用價值。例如，醫學生可以將手動頭影測量的結果與人工智能的輸出結果相比較，得到準確性評估的實時反饋，增強影像資料解讀的能力。

3.3 正畸臨床技能實踐

3.3.1 AI輔助正畸治療方案的制定：正畸治療方案的制定涉及多方面決策，在正確的診斷基礎上還要選擇合理的拔牙方案，決定是否進行正頜手術乃至選擇合理的矯治器等，其中尤其是拔牙決策的制定受正畸醫生的主觀性影響較大?；诜柸斯ぶ悄艿膶＜蚁到y曾經被用于正畸患者的診斷和治療計劃的制定，但是隨著機器學習技術的發展，專家系統已經被逐漸淘汰[2]。Li P等[21]利用機器學習形成的人工神經網絡（Artificial neural network，ANN）預測拔牙方案，結果顯示在決定是否拔牙時人工智能有94%的準確率，而涉及具體拔牙選擇和支抗選擇時各有84.2%和92.8%的準確率。這表明人工智能可以為經驗不足的正畸醫生提供良好的指導，這既是人工智能的臨床應用，同時也體現了人工智能在正畸教學中的巨大意義。

3.3.2 智能機器人：智能機器人技術在正畸領域有廣泛的應用，包括機器人牙科助手、正畸的診斷與模擬、正畸的教育與訓練、彎制鋼絲、加速牙移動納米機器人、頜面部手術與植入體機器人、矯治器的自動制作以及顳下頜關節疾病的康復等[22]。其中，智能機器人對醫學生進行正畸的教育與訓練即是人工智能在正畸教學中的又一應用。仿真的機器人可以模擬患者的表情與動作，口內唾液的流動以及操作失誤時的出血反應，甚至是通過傳感器模擬咽反射和嘔吐等反應，能夠聽從簡單的指令并作出反應，以向口腔醫學生提供患者真實的情感反饋，并且最終能夠針對口腔醫學生的操作做出評價。研究表明，機器人在教學中的應用比傳統的人體模型更受醫學生的歡迎，同時能夠訓練醫學生處理一些意外的患者動作的能力[23]。

3.3.3 托槽粘接：在正畸治療過程中，托槽粘接是非常重要的步驟，但是初學者通常較難把握托槽粘接位點的精細調整，導致治療過程中的多次重定位或者是治療效果不滿意。智能機器人在粘接練習完成后實時提供的反饋是十分有效的[22]。此外，結合虛擬仿真技術進行正畸托槽的粘接教學能夠模擬粘接術前至術后的全部流程，能夠有效加深對理論知識的理解，促進理論與實踐相結合，并且調查有97.6%的學生認為該模式應該加入到日常教學中[24]。

3.3.4 種植支抗植入：正畸臨床操作除托槽粘接外，近年來以微種植體作為種植臨時支抗也逐漸流行。微種植體支抗的植入涉及頜面外科學甚至是種植學的部分內容，虛擬現實技術在外科手術和教學中的應用已有相關介紹，并且在教學中取得了較為積極的評價[25-26]。國內也已經有利用虛擬現實技術培訓種植體植入的相關報道，并表明虛擬現實技術可以強化醫師口腔種植操作技能，有利于臨床實踐[27]。正畸學中的微種植體支抗植入過程相比種植學更為簡單，但尚未見將虛擬現實技術利用于微種植體支抗植入教學的相關報道，但是可以預見該培訓系統的構建將具有良好的可行性。

4? 小結和展望

人工智能時代的來臨已經不可否認，其在醫學教育領域也必將大有所為。需要指出的是，人工智能并不會完全取代醫生的角色，反而會創造出一些新的醫生形象。新時代的醫學生不應該認為自己只是為機器服務，而應該更積極地參與人工智能系統的設計，正確地利用人工智能診斷系統，適應新時代新角色的心理定位[28]。這些都要求教師在醫學教育的過程中轉變相應的理念。Han ER等[29]總結未來的醫學教育主題其一就是學生要自主地利用先進科技進行個性化、社會化、合理利用資源的主動學習。所以，未來的醫學教育改革不僅在于教師，也在于學生。人工智能的引入無疑能更好地發揮學生的主觀能動性。盡管目前人工智能在醫學教育中的應用尚有眾多不足與限制，包括技術開發、數據安全與倫理等問題以及軟硬件、人員、資金等限制[7，30]，其在口腔正畸學教學中的應用也處于起步階段，但是其在醫學教育中的應用與實踐具有廣闊前景。隨著科學技術的發展，人工智能與虛擬現實等技術的結合必將在醫學教育領域發揮更積極的作用。

[參考文獻]

[1]Mintz Y，Brodie R.Introduction to artificial intelligence in medicine[J].Minim Invasive Ther Allied Technol，2019，28（2）：73-81.

[2]Bichu Y M，Hansa I，Bichu A Y，et al.Applications of artificial intelligence and machine learning in orthodontics： a scoping review[J].Prog Orthod，2021，22（1）：18.

[3]Mitchell M.Abstraction and analogy-making in artificial intelligence[J].Ann N Y Acad Sci，2021，1505（1）：79-101.

[4]Paranjape K，Schinkel M，Nannan Panday R，et al.Introducing artificial intelligence training in medical education[J].JMIR Med Educ，2019，5（2）：e16048.

[5]Hamet P，Tremblay J.Artificial intelligence in medicine[J].Metabolism，2017，69s：S36-s40.

[6]Wartman S A，Combs C D.Medical education must move from the information age to the age of artificial intelligence[J].Acad Med，2018，93（8）：1107-1109.

[7]鐘敏，胡燕，程茜，等.人工智能在醫學教育中的應用現狀與思考[J].中國繼續醫學教育，2020，12（18）：79-81.

[8]Stone R，Reel R，Farrell L.Artificial intelligence meets clinical skills teaching[J].Med Educ，2021，55（11）：1319-1320.

[9]Li Y，Ye H，Ye F，et al.The current situation and future prospects of simulators in dental education[J].J Med Internet Res，2021，23（4）：e23635.

[10]李美靜.PBL教學在高職高?？谇徽麑W教學中的應用[J].全科口腔醫學電子雜志，2018，5（26）：20-21.

[11]Duong M T，Rauschecker A M，Rudie J D，et al.Artificial intelligence for

precision education in radiology[J].Br J Radiol，2019，92（1103）：20190389.

[12]Santos G N，Leite A F，Figueiredo P T，et al.Effectiveness of e-learning in oral radiology education： a systematic review[J].J Dent Educ，2016，80（9）：1126-1139.

[13]馬雪敏，李學斌，張翠翠.PBL教學在?？茖W?？谇徽麑W教學中的應用[J].人文之友，2021，41（19）：166-167.

[14]鄒林洪，張琳林，彭春.CBL和TBL結合教學法在口腔科學正畸教學中的實踐應用研究[J].創新創業理論研究與實踐，2021，4（5）：142-145.

[15]易儉如，李宇，趙志河，等.在線教學在口腔正畸學本科教學中的應用[J].中國美容醫學，2021，30（5）：147-150.

[16]蘇曉霞，廖立，彭怡然，等.數字化整合教學法在口腔正畸頭影測量教學中的應用[J].醫學教育研究與實踐，2021，29（5）：769-772，777.

[17]左志剛，李洪發，王悅，等.數字化三維診療技術在口腔正畸教學中的應用效果評價[J].繼續醫學教育，2021，35（2）：28-29.

[18]張浩，高潔，仇珺，等.數字化技術應用于口腔正畸學研究生病例分析教學中的初步探索[J].中國醫藥導報，2021，18（28）：67-70.

[19]劉紀洲，劉芳，沈宗霖，等.淺談人工智能在醫學中的實踐對醫學教育的啟發[J].醫學食療與健康，2020，18（21）：190，192.

[20]Lee K S，Jung S K，Ryu J J，et al.Evaluation of transfer learning with deep convolutional neural networks for screening osteoporosis in dental panoramic radiographs[J].J Clin Med，2020，9（2）：392.

[21]Li P，Kong D，Tang T，et al.Orthodontic treatment planning based on artificial neural networks[J].Sci Rep，2019，9（1）：2037.

[22]Adel S，Zaher A，El Harouni N，et al.Robotic applications in orthodontics： changing the face of contemporary clinical care[J].Biomed Res Int，2021，2021：9954615.

[23]Tanzawa T，Futaki K，Tani C，et al.Introduction of a robot patient into dental education[J].Eur J Dent Educ，2012，16（1）：e195-e199.

[24]陳雪婷，陳玉萍，賴穎真.虛擬仿真技術在口腔正畸實驗教學中的應用[J].中國繼續醫學教育，2021，13（17）：49-52.

[25]Mao R Q，Lan L，Kay J，et al.Immersive virtual reality for surgical training： a systematic review[J].J Surg Res，2021，268：40-58.

[26]Ayoub A，Pulijala Y.The application of virtual reality and augmented reality in Oral & Maxillofacial Surgery[J].BMC Oral Health，2019，19（1）：238.

[27]周勇，張思慧，趙曉嫻，等.口腔種植治療培訓中虛擬現實技術的應用及評價[J].中華口腔醫學雜志，2021，56（8）：799-804.

[28]Masters K.Artificial intelligence in medical education[J].Med Teach，2019，41（9）：976-980.

[29]Han E R，Yeo S，Kim M J，et al.Medical education trends for future physicians in the era of advanced technology and artificial intelligence： an integrative review [J].BMC Med Educ，2019，19（1）：460.

[30]鄒陸曦，孫玲.人工智能在醫學教育中的應用現狀及問題研究[J].衛生職業教育，2021，39（24）：18-20.

[收稿日期]2022-07-03

本文引用格式：樊琪，朱錦怡，龍虎.人工智能在正畸教學中的應用[J].中國美容醫學，2024，33（2）：191-194.