人工智能驱动的下颌骨轮廓女性化手术切割导板自动化设计：精准医疗新突破

《Clinical Oral Investigations》：Innovations in gender affirmation: AI-enhanced surgical guides for mandibular facial feminization surgery

本研究针对面部女性化手术(FFS)中下颌骨角度截骨术切割导板(CG)设计耗时且依赖经验的问题，开发了基于3D U-Net卷积神经网络(CNN)的全自动数字化工作流。通过AI自动分割下颌骨并生成个性化切割导板，将规划时间从传统人工的19分37秒(专家)缩短至1分38秒，Dice相似系数(DSC)达0.966，实现亚毫米级精度(MSD=0.212mm)。该技术显著提升FFS手术的可及性与标准化水平，为跨性别群体提供更高效精准的性别确认医疗服务。

　　

在当代社会，约0.02-0.5%的成年人口存在性别认同与生理特征不一致的情况。这类人群常因面部骨骼的男性化特征引发性别焦虑(Gender Dysphoria)，其中下颌骨轮廓改造是面部女性化手术(Facial Feminization Surgery, FFS)的核心环节。传统手术依赖医生经验进行自由手截骨，存在神经损伤风险高、双侧对称性差等问题。虽然3D打印切割导板能提升精度，但虚拟规划需耗时20-30分钟/例，且严重依赖工程师经验，成为限制FFS普及的技术瓶颈。

瑞士巴塞尔大学医院口腔颌面外科与3D打印实验室(Department of Oral and Cranio-Maxillofacial Surgery and 3D Print Lab, University Hospital Basel)联合多国团队开发了革命性的AI解决方案。研究人员通过训练3D U-Net神经网络自动分割CT图像中的下颌骨，并建立数学模型生成与骨面垂直的切割导板，相关成果发表于《Clinical Oral Investigations》。该技术使规划效率提升16倍，导板与预设截骨线的误差仅0.012mm，为跨性别者提供了更安全、精准且可负担的医疗选择。

关键技术方法包括：1)采用TCIA数据库中30例男性头颈CT数据(含10例金属伪影病例)训练3D U-Net；2)在3-Matic软件建立自动导板生成算法，通过双曲线(固定线与截骨线)计算90°垂直截骨面；3)使用熔融沉积(FDM)和光固化(SLA)3D打印验证导板适配性；4)通过DSC、MSD和Hausdorff距离(HD)量化评估分割精度。

主要研究结果

分割准确性
AI分割在感兴趣区域(ROI)达到DSC 0.966(0.880-0.977)，MSD 0.212mm。金属伪影病例(Case#29)出现局部误差(HD 4.51mm)，但通过2分钟人工修正即可满足临床需求。

导板性能
自动生成导板的截骨线误差(0.012mm)显著优于人工设计(0.112mm,p<0.05)。导板-骨面贴合度测试显示，基于AI与人工分割模型的导板差异仅0.156mm，证实算法鲁棒性。

时间效益
全流程耗时从专家组的19分37秒降至1分38秒，新手医师获益更显著(26分39秒→1分38秒)。临床评估证实所有导板均达到手术级精度要求。

结论与展望
该研究首次实现FFS切割导板从影像到成品的全自动生成，突破性地将AI与CAD/CAM技术深度融合。通过参数化设计(导板厚度3.0mm、固定弓宽度6.0mm、骨面偏移0.35mm)确保批量生产的标准化，使缺乏工程背景的临床医师也能独立完成复杂规划。未来通过优化神经管识别算法和开展多中心临床试验，有望将技术拓展至正颌手术等领域。

这项技术响应《都柏林卫生人力宣言》对医疗资源优化的倡议，为颅颌面外科(Personalized CMF Surgery)树立了新范式。其价值不仅体现在时间成本节约，更重要的是通过降低技术门槛，让更多跨性别者能平等获得高质量的性别确认医疗服务，从根本上改善性别焦虑人群的生活质量(QoL)。