1. 引言
1.1 远程牙科背景
远程牙科作为远程医疗的一部分，借助信息技术和通信手段，为患者提供诊疗、咨询等服务。其初衷是解决因地理和资源限制导致的牙科医疗服务获取不均问题，如今涵盖了多种通信工具。在 COVID-19 大流行期间，远程牙科成为保障牙科服务的重要策略。
1.2 健康领域智能设备时代
人工智能在健康领域愈发重要，能完成以往被认为只有人类才能完成的任务。它涵盖计算机视觉、自然语言处理、机器学习等多个子领域，可提升医疗诊断精度，提高医疗服务效率和效果。其中，机器学习是 AI 中通过数据学习进行预测和决策的领域，深度学习是机器学习的分支，利用多层人工神经网络检测数据中的复杂模式，这些技术在远程牙科中用于图像分析、疾病预测和治疗规划等关键任务。
1.3 AI 与远程牙科的交叉
AI 与远程牙科的结合代表了牙科护理领域的重大变革。AI 技术通过自动图像分析、疾病进展建模和个性化治疗建议，提升了远程牙科平台的功能。例如，机器学习算法可高精度分析口腔 X 光片和口内图像，预测口腔癌、牙周病或龋齿等疾病；AI 辅助聊天机器人和虚拟助手能快速响应患者咨询、安排预约，提高远程牙科服务的效率和效果；预测分析可优化资源配置，预测患者治疗结果。
1.4 综述目的和范围
本综述旨在全面分析 AI 在远程牙科中的多方面作用，重点研究诊断准确性、患者参与度影响和临床整合可行性这三个相互关联的方面。通过分别分析各方面，展示其综合影响，帮助政策制定者、研究人员、牙科从业者和其他医疗利益相关者理解 AI 在远程牙科中的应用，以实现更好的口腔健康结果。
2. 方法
本研究采用 Arksey 和 O'Malley 的范围综述框架，遵循结构化协议，整合系统评价最佳实践。旨在探究 AI 与远程牙科的融合方式和程度，明确 AI 技术在远程牙科中的应用现状、临床实践中的应用方式，评估其益处和挑战，找出研究差距并提出未来研究方向。
研究设定了明确的纳入和排除标准。纳入 2020 - 2024 年发表的、讨论 AI 在远程牙科诊断、治疗规划或患者监测方面应用的同行评审文章、会议论文、综述、案例研究和专家意见；排除不涉及 AI、与远程医疗无关、不强调牙科领域以及非同行评审的意见文章。
研究从 PubMed、Scopus、IEEE Xplore、arXiv 和 Google Scholar 等多个主要科学数据库收集数据，同时纳入灰色文献。通过关键词搜索策略，结合布尔运算符，筛选相关信息。经过多轮筛选，最终 91 项研究符合标准纳入综述。
数据提取采用结构化表格，收集出版物详细信息、AI 技术、临床应用和结果等内容。采用主题数据合成方法，从技术和临床方面进行描述性叙述，突出主要结果、挑战和研究差距。本研究未进行正式的偏倚风险评估，而是在研究选择和合成阶段隐含地分析研究质量，依据出版场所、研究设计、样本量、报告清晰度和与远程牙科及 AI 的相关性等因素评估潜在来源的相关性和可信度。研究协议在开放科学框架上注册，以确保透明度和可重复性。
3. AI 对远程牙科发展的影响
3.1 AI 在医疗保健领域的发展及其在远程牙科中的延伸
AI 在医疗保健领域的关键应用包括诊断成像、个性化医疗和提高运营效率。在远程牙科中，现代机器学习和深度学习算法为牙科数据分析带来了更高的精度和及时性，突破了远程牙科护理中的一些基本障碍。
AI 分析牙科 X 光片和口内扫描，可提高诊断准确性，有助于早期发现牙科问题并制定更精确的治疗计划。通过分析患者个体病史和数据，AI 能够实现个性化治疗规划，提升临床效果和患者满意度。此外，AI 驱动的行政任务自动化，使牙科专业人员有更多时间用于患者治疗和复杂医疗评估；在正畸和预防牙科中，AI 实现了对患者的持续观察，减少了重复就诊的需求，远程监测还能及时调整治疗方案，改善牙科护理效果。
3.2 AI 与远程牙科整合的关键里程碑
AI 融入远程牙科过程中出现了多个重要里程碑。AI 驱动的诊断技术取得重大突破，能分析牙科图像的 AI 系统显著提升了远程诊断能力。FDA 批准的 AI 诊断工具，如 Videa Perio Assist（VPA），验证了 AI 在牙科诊断中的有效性，推动了该技术的广泛应用。
AI 在远程监测系统中的应用也有重要进展，可实现对患者治疗的持续辅助和远程调整。临床决策支持系统（CDSS）的创新同样关键，AI 赋能的 CDSS 能提供基于证据的建议，优化治疗规划和结果。物联网（IoDT）在远程牙科中的应用改变了行业面貌，结合 AI 可实现高效的数据采集和患者跟踪。AI 驱动的聊天 bots 和虚拟助手在改善患者沟通和参与方面发挥着积极作用，尽管相关研究仍在发展中，但已有研究表明其在提高患者参与度和治疗效果方面具有潜力。
3.3 AI 在推进远程牙科诊断和治疗中的作用
AI 在远程牙科诊断和治疗的推进中发挥了关键作用。AI 驱动的成像分析技术，利用机器学习算法和卷积神经网络（CNNs），能够早期检测疾病并准确诊断，在无法进行物理检查的远程环境中至关重要。
FDA 批准的 VPA 可自动测量和可视化牙槽骨水平，对牙周疾病检测具有高灵敏度和特异性。AI 与增强型锥形束计算机断层扫描（CBCT）的结合，能在降低辐射水平的同时提高诊断准确性。AI 还可通过综合分析患者数据，支持个性化治疗规划，利用预测分析在牙科健康问题恶化前进行干预。
此外，AI 驱动的应用程序提高了患者参与度，如智能治疗辅导应用程序在隐形矫治治疗中增强了患者的依从性和治疗效率。AI 还支持远程监测和连续护理系统，在正畸和预防牙科中实现了快速治疗调整，减少了就诊次数。基于 AI 的临床决策支持系统（CDSS）帮助牙科从业者依据大量临床数据做出明智决策。然而，这些进展也带来了数据隐私和安全方面的挑战，需要从业者具备伦理意识并持续接受专业培训。
4. 远程牙科中 AI 的技术应用
4.1 远程牙科中使用的 AI 技术概述
AI 技术在远程牙科中的应用日益广泛，目前主要包括机器学习、计算机视觉、物体识别和预测分析等。机器学习算法，尤其是深度学习模型，可用于开发口腔疾病风险评估、筛查和患者分层的预测模型，支持远程筛查、诊断和监测牙科患者。
计算机视觉技术用于分析牙科图像，如使用 YOLOv3 等目标检测方法检查全景 X 光片，提高远程诊断的准确性。物体识别 AI 系统借助凝视引导可穿戴摄像头识别牙科治疗中的物体和活动。预测分析则用于创建口腔健康相关疾病的风险评分模型和患者分层模型，通过分析大量数据预测潜在牙科并发症，助力早期干预。虽然现有文献未明确提及，但自然语言处理（NLP）可能用于处理语音命令，加强患者与牙医之间的沟通。
4.2 AI 工具与传统牙科诊断方法的比较
AI 工具在牙科诊断方面已被证明比传统方法更有效。AI 应用，特别是卷积神经网络和深度学习模型，在诊断准确性、预后评估和治疗决策方面表现更优，在某些复杂病例中比传统方法更精确。
FDA 批准的 VPA 在诊断牙周疾病时，展示出更高的灵敏度和特异性，能自动确定和可视化每颗牙齿的牙槽骨水平，比其他诊断设备更具一致性。AI 还重塑了放射学，其算法对数据的解释比人类更准确，在检测口腔全景片（OPGs）上的牙科异常方面也优于传统的人工分析。此外，AI 辅助的治疗规划方法可使牙医提供更个性化、精确和有效的护理，能创建比以往方法更精准的个性化和优化治疗计划，更好地早期识别口腔健康状况，改善患者治疗结果。
4.3 远程牙科中 AI 开发和部署面临的挑战
尽管取得了显著进展，但在远程牙科中广泛应用 AI 仍面临一些技术挑战。基础设施和连接问题是主要障碍，在农村或服务不足地区，互联网接入和可靠性的缺乏限制了 AI 驱动的远程牙科平台等数字口腔医疗系统的可用性。
口内成像难以获取高质量图像，而 AI 系统依赖高分辨率图像进行诊断和治疗，图像质量不佳会限制其效用。AI 驱动的远程牙科系统与现有牙科实践管理平台缺乏互操作性，也增加了技术采用的难度。
牙科专业人员的专业准备和培训对 AI 在远程牙科中的成功部署至关重要，他们需要接受培训以理解和应用 AI 系统的结果，但目前牙科诊所的技术和资源往往不足，限制了 AI 的实施。经济和财务因素也是重要制约，资金问题阻碍新技术的推广，薪酬相关因素导致远程牙科的采用速度较慢。此外，AI 系统访问患者关键信息引发了数据安全和隐私问题，关乎患者信息保护和医疗行业监管合规性。
4.4 未来方向：AI 驱动的远程牙科中的新兴技术和创新
未来，AI 驱动的远程牙科有望在个性化治疗规划、远程诊断、患者实时跟踪、医疗服务可及性和患者参与等方面取得快速发展。新兴技术将发挥重要作用：
- 5G 和先进连接技术：5G 网络的超高速和低延迟特性，可实现实时数据传输、远程会诊和高分辨率图像快速共享，甚至支持远程控制手术。
- 扩展现实（XR）技术：包括虚拟现实（VR）、增强现实（AR）和混合现实（MR），与 AI 结合可提供沉浸式体验，用于患者教育、虚拟治疗规划和远程手术指导。
- 物联网（IoT）：连接的牙科设备和传感器网络可收集数据，实现患者持续监测、牙科设备预测性维护和个性化治疗规划。
- 先进 3D 打印技术：高精度 3D 打印可快速生产定制牙科产品，如假牙、植入物和手术导板，降低成本并改善治疗效果。
- 边缘计算：在本地进行数据处理，可加快诊断和治疗规划速度，减少延迟，提高 AI 模型性能并确保数据隐私。
- 区块链技术：去中心化的安全账本，可管理患者记录和交易，提高数据安全性，增强牙科实践之间的互操作性，简化保险理赔流程，但目前牙科信息学的监管框架尚不完善。
- 先进成像技术：高分辨率、AI 增强的成像系统可提供更详细的口腔扫描，有助于早期发现牙科问题，优化治疗规划和患者教育。
这些新技术与 AI 结合，有望改变远程牙科服务的范围、效果和可负担性，但实施过程中需解决数据安全、合规性和技术可及性等问题。
5. 远程牙科中 AI 的临床应用
5.1 通过 AI 提高诊断准确性和治疗规划
AI 在牙科中的应用显著影响了远程牙科的治疗规划，提高了诊断准确性。深度学习模型和卷积神经网络在分析牙科图像和数据时表现出色，能更精确地检测龋齿、牙周病和病变等，这在远程医疗环境中尤为重要，因为无法进行面对面检查。
AI 技术还改进了对全景 X 光片、锥形束计算机断层扫描和口内 X 光片等牙科成像模态的评估，有助于更好地识别牙根骨折和根尖周透光性病变等情况。此外，AI 可通过分析大量患者数据制定个性化治疗策略，提高治疗效率和临床效果。AI 驱动的临床决策支持系统为牙医提供基于证据的指南，确保在远程医疗中做出高质量的护理决策。
5.2 AI 在正畸、牙周病和其他牙科专业中的应用
AI 在多个牙科专业中得到越来越广泛的应用。在正畸领域，自动化的头影测量分析和三维模型评估为正畸医生提供了全面的信息，辅助治疗决策，节省诊断时间，提高治疗效率。
FDA 批准的 Videa Perio Assist 是牙周病学中的 AI 模型，对牙周疾病的诊断具有出色的灵敏度和特异性，可自动测量和可视化牙槽骨水平，弥补传统诊断方法在准确性和标准化方面的不足。
在口腔外科的修复学分支中，AI 已用于设计牙科修复体。例如，AI 设计的聚醚醚酮（PEEK）全口固定义齿框架，与传统使用的钛修复体相比，具有相似的生存率和更少的骨丢失。
AI 还可用于远程监测牙周手术后和拔牙后的伤口恢复情况。虽然相关大规模研究仍在发展中，但已有研究表明，AI 可分析患者提供的图像和数据，跟踪愈合过程，检测感染或愈合延迟等并发症的早期迹象。此外，AI 驱动的移动应用程序可提高患者对隐形矫治治疗的依从性，通过图像分析监测矫治器佩戴情况并发送提醒，还可用于筛查正畸患者的牙龈炎等。
AI 算法还可通过分析患者的饮食习惯、口腔护理常规和既往牙科记录等数据，预测口腔龋齿风险，为制定针对性的预防措施提供依据。
5.3 关键临床案例研究回顾：展示 AI 的成功与局限
多项临床案例研究记录了 AI 在远程牙科临床应用中的成功与局限。在一项回顾性队列研究中，比较了 AI 设计的 PEEK 和钛全口固定义齿（FDP），发现两者 5 年生存率无差异，但 PEEK 修复体 5 年后垂直骨丢失明显更少，表明 AI 设计的 PEEK 修复体在长期使用中是成功的。
然而，在另一项前瞻性队列研究中，使用 AI 设计的可摘上颌覆盖义齿出现了一些问题，如 20% 的义齿因被动贴合不足而失败，部分种植体周围出现炎症，还有义齿断裂需要修复，凸显了 AI 设计义齿在一致性贴合和耐用性方面仍面临挑战。
在一些研究中，AI 设计的修复体在骨保存和患者满意度方面表现良好，超过了传统方法；但也有研究发现，AI 设计的可摘局部义齿在牙槽骨保存方面与未治疗患者无差异，说明 AI 设计的修复体在某些方面的优势仍需进一步验证。这些案例表明，虽然 AI 在设计牙科修复体方面有潜力，但在技术上仍需解决保持质量一致性和证明优于传统方法的问题，需要更多大规模随机试验来确定 AI 在远程牙科护理中的临床疗效。
5.4 AI 增强远程患者监测和随访护理的潜力
AI 在远程患者监测和随访护理中具有重要作用。通过 AI 驱动的远程牙科平台，可对患者进行持续监测，实现有效的随访护理，无需患者频繁就诊即可提供远程护理、及时干预和调整治疗计划，这对偏远地区或难以获得牙科护理的患者尤为有益。
基于实时数据，AI 可预测牙科问题，帮助制定预防护理计划，改善长期临床结果。此外，AI 驱动的应用程序提供的定制教育材料和支持，可提高患者对治疗计划的依从性，促进更好的随访护理。将 AI 集成到远程监测系统中，为牙科专业人员提供了更具响应性和个性化的医疗服务，提升了患者在远程牙科中的体验和治疗效果。
6. 讨论
6.1 关键见解
AI 驱动的算法改变了牙科诊断方式，使从业者能够更精确地评估 X 射线和口内扫描等诊断图像。例如，FDA 批准的 VPA 在检测牙周疾病时保持了高灵敏度和特异性，展示了 AI 在改进诊断程序方面的潜力。在治疗规划方面，AI 通过分析患者综合数据，为患者制定高度个性化的治疗计划，优化治疗结果。
在正畸和预防牙科领域，AI 技术实现了对患者的持续监测，无需患者频繁复诊即可及时调整治疗计划。此外，AI 在治疗辅导中的应用，如在隐形矫治治疗中，增强了患者的依从性，提高了治疗效率。
6.2 差距与机遇
尽管 AI 在远程牙科中取得了进展，但仍存在一些阻碍其有效应用的障碍。基础设施和连接问题在偏远或医疗服务不足地区尤为突出，这些地区缺乏有效实施 AI 解决方案的技术基础设施。口内成像分辨率不足也限制了 AI 系统的实用性，特别是对于需要高质量图像进行准确诊断的系统。
专业准备不足是另一个重要障碍。牙医需要接受如何使用 AI 技术和解释其输出结果的培训，可能需要开发新的教育计划来帮助牙科从业者熟练掌握 AI 在其工作中的应用。隐私和数据安全问题也不容忽视，AI 系统正常运行需要访问患者信息，因此必须严格遵守医疗法规。
6.3 优势与局限
AI 系统在诊断方面比传统牙科诊断方法更有效，机器学习和深度学习模型在某些方面，尤其是复杂病例中，提高了诊断性能，有时甚至优于传统方法。AI 能更精确地解读放射图像，有助于早期发现和预防口腔疾病。
然而，AI 在远程医疗诊断和治疗规划的发展中面临挑战。训练数据集缺乏多样性或存在偏差可能导致算法偏差，牙科诊断模型常用的放射图像和临床数据可能无法全面反映不同人口群体的特征，如种族、经济背景和特定年龄组，这可能导致某些人群的诊断准确性下降和疾病漏诊。此外，对罕见疾病和复杂病例的训练数据不足，也可能导致这些情况被忽视。为避免 AI 加剧口腔健康不平等，需要进行数据增强、跨人群验证和多站点数据收集。
另一个关键局限是临床决策中可能过度依赖自动化系统。AI 在牙科实践中的优势包括提高效率和增强分析洞察力，但它应作为牙科专业人员的辅助工具，而非替代其专业判断。指南和共识强调 AI 应辅助临床实践，牙科专业人员在评估更广泛的临床背景时，需要保持批判性思维，结合患者特定信息，避免算法遗漏重要信息。研究表明，牙医辅助的 AI 评估比单独使用 AI 系统能产生更准确的牙科
