综述：用于颌面修复的人工智能：颅面康复领域的技术变革——一项综述性研究

《Journal of Oral Biology and Craniofacial Research》：Artificial intelligence for maxillofacial prosthodontics: A technological shift in craniofacial rehabilitation- a scoping review

人工智能在颌面赝复学中的应用研究：本文系统综述了人工智能在诊断、治疗规划和假体设计等关键领域的应用，发现AI显著提升了三维建模、颜色匹配和遗传风险评估的准确性，但需解决临床验证和标准化问题。

　　人工智能在口腔颌面修复学中的应用正逐步改变传统治疗方法，显著提高了诊断的精确性、治疗计划的效率以及义齿修复的个性化水平。随着技术的进步，AI技术在影像学、计算机辅助设计与制造（CAD/CAM）和增材制造（如3D打印）等多个领域展现出广阔的应用前景。然而，尽管在材料和数字化流程方面取得了进展，仍然存在如何实现最佳准确性、效率和定制化方面的挑战。因此，有必要进行一项系统性的回顾，以整合现有证据，识别知识空白，并为未来的临床研究和应用提供方向。

本研究通过系统性的方法对AI在口腔颌面修复学中的应用进行了梳理。采用Arksey和O'Malley提出的框架，并遵循Joanna Briggs Institute（JBI）的证据综合手册，同时符合PRISMA-ScR指南，确保了研究的清晰性和可重复性。研究在Open Science Framework上进行了注册，确保了透明度和可追溯性。通过检索多个电子数据库，包括Medline（PubMed）、Scopus、Cochrane数据库、Science Direct、Google Scholar和Semantic Scholar，研究涵盖了2015年至2025年间的文献资料，确保了信息的时效性和临床相关性。

研究共纳入了35篇来自全球不同地区的文章，涵盖了AI在口腔颌面修复学中的多种应用。这些研究涉及多个方面，如植入式耳部义齿的制造、义齿的颜色匹配、唇腭裂患者的面部吸引力评估、唇腭裂患者3D口腔印模的获取、鼻音过重的识别、唇对称性评估以及唇腭裂患者牙齿的检测等。这些研究显示，AI在提高诊断效率、减少人为误差、优化治疗计划和改善患者康复效果方面具有显著优势。然而，AI在临床实践中的应用仍处于初步阶段，尚需进一步的验证和标准化。

在诊断方面，多个研究利用深度学习模型对唇腭裂的识别和分类进行了探索。例如，Kuwada等人通过深度学习算法在全景X光片中识别唇腭裂，实现了高准确率和特异性。Wang等人则开发了一种基于纹理特征融合的方法，用于胎儿面部超声标准平面的识别，有助于提高产前诊断的可靠性。Dai等人引入了“Deep Face”这一深度学习框架，用于预测与唇腭裂相关的基因变异的功能性影响，为个性化医疗提供了新的思路。Shafi等人通过深度神经网络在产前阶段对唇腭裂进行预测，准确率达到92.6%，显示出AI在早期诊断中的潜力。此外，Nantha等人结合视觉Transformer（ViT）和孪生神经网络，实现了对唇腭裂分类的高准确率，为复杂医学影像分类任务提供了新的解决方案。

在治疗规划和手术支持方面，AI的应用同样引人注目。Sayadi等人利用深度学习技术分析鼻唇沟修复相关的解剖标志，为手术计划提供了新的视角。Wei等人开发了三维有限元模型，用于分析唇腭裂患者的口腔表面，帮助优化切口位置和组织瓣配置，从而减少术后张力并促进愈合。Wang等人通过CBCT图像的自动分割，实现了对唇腭裂缺陷的量化分析，为全面的手术规划提供了重要支持。此外，Rosero等人通过深度学习技术评估修复后的唇对称性，显示出AI在改善手术结果一致性和提高患者满意度方面的潜力。Mathad等人利用深度神经网络对唇腭裂患者的鼻音过重进行客观评估，为临床诊断提供了更可靠和一致的方法。

在义齿设计和制造方面，AI的应用正在推动传统方法的革新。Pathak等人使用AI技术制造植入式耳部义齿，显著提高了面部重建的精确性和效率，尤其在复制耳部复杂的解剖结构方面表现出色。Kurt等人开发了一种基于门控循环单元（GRU）的深度学习模型，用于预测硅胶义齿的颜色配方，相较于传统的人工神经网络（ANN）方法，提高了颜色匹配的准确性和自然性。Liang等人利用CTGAN模型进行下颌形态重建，展示了其在平衡自然化和个性化方面的潜力。Boyaci等人通过AI技术对患者的面部正常性进行量化分析，有助于制定以患者为中心的手术计划。此外，Kurt等人指出，基于深度学习的GRU模型在改善义齿颜色匹配方面表现出色，为临床实践提供了更高效的解决方案。

AI在遗传风险预测和颅面发育研究中也展现出巨大潜力。Machado等人利用机器学习模型分析与非综合征性唇腭裂相关的单核苷酸多态性（SNP）交互作用，提高了预测的准确性。Zhang等人通过分析新生儿的SNP数据，评估了非综合征性唇腭裂的遗传易感性，为遗传咨询提供了新的工具。Kang等人结合遗传网络和深度学习模型，对非综合征性唇裂的遗传风险进行了预测，展示了AI在个性化医疗中的重要性。Huqh等人开发了基于人工神经网络的模型，用于预测唇腭裂患者上颌弓的生长情况，揭示了唇裂严重程度与生长模式之间的显著关联。

在患者和护理人员支持方面，AI的应用也在不断扩展。Chaker等人研究了AI在患者教育和护理人员支持中的作用，发现ChatGPT等大型语言模型能够提供准确且具有支持性的信息，有助于减轻护理人员的心理压力。?zcivelek等人比较了多种AI聊天机器人在回答患者关于牙科和颌面义齿的问题时的表现，发现特定领域的AI工具在准确性和临床相关性方面优于通用模型。Mahendia等人探讨了ChatGPT在唇裂修复教育中的应用，认为其在提供易于理解的教育内容方面具有潜力，尽管在提供实际手术判断方面仍有局限性。

AI在诊断影像和治疗计划中的应用也逐渐成熟。精确的影像分析和诊断是口腔颌面修复成功的关键。人工智能，尤其是卷积神经网络（CNNs），能够自动识别缺陷和分割解剖结构，从而减少手动操作的负担，提高诊断的一致性。这些算法不仅能够检测细微的异常，还能预测手术后软组织的变化，为早期义齿计划和手术团队之间的协作提供支持。此外，深度学习技术在影像评估中的应用，如Kuwada等人和Wang等人利用深度学习模型分析全景X光片和超声图像，显示出AI在提高诊断准确性和实现及时干预方面的潜力。

在CAD/CAM和AI驱动的义齿设计方面，人工智能显著提升了口腔颌面修复的效率和精确度。机器学习算法帮助创建三维数字模型，用于面部义齿的制作，特别是在眼眶、鼻部和耳部区域。这些系统通过评估面部对称性并模仿未受影响的一侧，提高义齿的美观效果。CAD/CAM技术使医疗专业人员能够更高效地进行设计和制造，减少手术时间和设计复杂性。然而，尽管这些技术在提高生产效率和准确性方面具有优势，但面部义齿的设计和制造仍需综合考虑多个因素，以确保最佳的临床效果。

在美学和功能结果方面，AI技术不仅关注结构修复，还致力于实现面部的美学和谐与功能整合。人工智能工具利用面部识别算法评估面部比例、肤色和对称性，为义齿制作提供更精确的指导。这些评估有助于创建与自然特征高度相似的义齿，从而提高患者接受度和生活质量。此外，AI模型能够模拟应力分布和软组织相互作用，提高义齿的适配性和减少并发症，如刺激或移位。Rosero等人研究了深度学习在评估修复后唇对称性中的应用，结果显示AI在提高评估的一致性和准确性方面具有显著优势。

在处理患者关于牙科和颌面义齿的咨询方面，AI聊天机器人展示了其在提供准确信息方面的潜力。所有聊天机器人均提供了准确的信息，但特定领域的GPT模型在提供更详细的回答方面优于通用模型。Dental GPT等专业模型虽然在准确性方面表现良好，但其可读性仍有提升空间。这些聊天机器人在患者教育和护理人员支持方面具有重要价值，能够减轻护理负担并提供高质量的信息。此外，AI语言模型还被用于开发教育工具，帮助护理人员和患者更好地理解唇腭裂治疗的相关知识。

尽管AI在口腔颌面修复学中展现出诸多优势，但仍存在一些局限性。首先，纳入研究的范围限制了对AI方法质量的全面评估，可能影响其临床应用的可信度。其次，研究仅限于已发表的文献，可能导致发表偏倚，因为那些结果不明确或负面的研究可能未被充分报道。此外，研究设计和AI方法的多样性可能影响对研究现状的整体理解。最后，缺乏长期研究和标准化指南使得AI方法的临床意义尚不明确，限制了其推广和应用。

未来，AI与虚拟现实和增强现实的结合将显著提升义齿修复计划和手术结果的可视化。此外，AI驱动的机器人技术可以自动化取模过程，提高义齿生产的效率。AI的临床应用依赖于建立全面的数据库、促进跨学科合作以及维护伦理标准。随着技术的不断发展，牙科领域必须积极应对伦理挑战，同时拥抱创新解决方案。这包括持续的研究以开发稳健的安全协议、减少算法偏见、明确专业责任并保护患者隐私。

综上所述，人工智能在口腔颌面修复学中的应用标志着临床实践、研究和患者护理的重大进步。本研究展示了AI在提高诊断准确性、减少治疗时间、增强义齿的个性化设计以及改善患者沟通和支持方面的潜力。然而，AI的应用仍需进一步的验证和标准化，以确保其在临床实践中的安全性和有效性。通过持续的研究和审慎的整合，AI有望提升临床效率，改善患者护理质量，使口腔颌面修复成为更精确、以患者为中心和更易获得的医疗手段。