编辑推荐：
在正畸临床前教育中，为探究数字和人工智能（AI）辅助头影测量训练的效果，研究人员开展相关研究。结果显示该训练显著提升学生定点准确性，AI 辅助可缩小不同经验学生差距。这对正畸教育意义重大。
在现代牙科领域，数字技术（DT）的浪潮正席卷而来。它在患者诊断、修复设计、临床牙冠制备以及患者数据的交换与存储等方面发挥着日益重要的作用，极大地提升了治疗效率和患者体验。然而，在牙科教育的世界里，传统教学方法依旧占据主导地位，这就像一道顽固的壁垒，阻碍着数字学习的广泛推广。
在正畸学这一专业领域，DT 的应用逐渐成为主流趋势，3D 扫描、3D 打印等技术为个性化正畸治疗带来了变革，AI 的加入更是如虎添翼，在骨龄评估、头影测量分析等多个方面发挥重要作用 。尽管如此，在正畸学生的临床前教育中，数字和 AI 辅助头影测量训练的潜在应用却一直未被探索。头影测量分析作为正畸学生和从业者的一项基本技能，其重要性不言而喻。为了填补这一空白，南方医科大学口腔医学院的研究人员挺身而出，开展了一项意义非凡的研究。
研究人员首先进行了数字头影测量训练实验。他们让 40 名本科生两两一组，使用数字头影测量训练软件（Uceph） 。在训练前，学生们先在软件上对两张侧位 X 线片进行定点标记，系统会根据标记点与 “正确位置” 的距离打分，以此记录学生最初的定点能力。随后，学生们开启软件的训练功能，软件会在学生标记侧位 X 线片 C 上的不同标记点时，用圆圈直观地显示 “正确位置”，方便学生调整。训练结束后，学生们再次对之前的两张侧位 X 线片进行标记，生成新的总分。通过对比训练前后的总分，客观地评估软件对学生定点能力的提升效果。
同时，研究人员还开展了 AI 辅助头影测量训练研究。他们收集了南方医科大学口腔医院 2024 年接受正畸治疗患者的侧位 X 线片，选取了 8 种常见患者类型，每种类型各选 1 名患者。24 名不同年级的临床训练学生被分为三组，使用 AI 辅助头影测量平台（Linkedcare） 对这些病例进行分析。学生们利用平台的自动定点识别功能，对系统给出的初始定点位置进行审核和调整，之后完成对骨骼、牙齿和软组织指标的综合分析，系统会自动生成分数，用于评估不同年级学生测量的准确性。
研究结果令人振奋。在数字头影测量训练方面，学生训练前的平均总分是 154.7，训练后显著提升至 174.6（p<0.001） ，这表明数字头影测量训练通过实时反馈和视觉纠错机制，能让学生快速发现并纠正定点错误，有效提升了定点准确性。而在 AI 辅助头影测量分析中，虽然高年级学生的平均分数略高，但不同年级学生之间的差异并无统计学意义（p>0.05） 。这意味着 AI 辅助头影测量分析可以减少诊断分析中的主观误差，降低技术敏感性，让不同临床经验的学生都能实现相对准确的诊断。
从研究结论和讨论来看，数字头影测量训练在正畸临床前教育中，能切实有效地提高学生的定点精度。AI 辅助头影测量则展现出缩小不同临床经验学生之间表现差距的潜力。数字工具的实时反馈和自主学习特性，为教师主导的训练提供了宝贵补充，有望减轻教育工作者的负担，加速新手正畸学生的技能获取。
不过，研究也存在一些局限性。样本量相对较小，可能导致 AI 辅助头影测量训练结果的统计效力不足；对学生测量时间缺乏严格要求，可能影响研究结果的准确性；此外，研究未充分评估学生对数字技术融入课程的态度及其对学习成果的影响。未来，研究人员计划探索结合 AI 生成反馈与教师个性化指导的混合教学模式，开展多中心验证，并设计长期教育成果评估框架，同时注重培养学生对数字技术和 AI 伦理问题的理解，确保这些技术的安全、合理使用。
这项研究发表在《BMC Oral Health》上，为正畸教育的数字化创新提供了重要依据，指明了未来正畸教育的发展方向，在正畸教育领域具有重要的理论和实践意义。
研究中主要使用的关键技术方法有：
- 数字头影测量软件训练：利用 Uceph 软件，通过预设侧位 X 线片上的定点 “正确位置”，让学生进行定点训练并打分，对比训练前后分数评估效果。
- AI 辅助头影测量平台分析：借助 Linkedcare 平台，学生使用其自动定点识别功能，对不同病例进行骨骼、牙齿和软组织指标分析，平台自动生成分数用于评估准确性。
