陳澤濤， 曾培生， 劉海雯， 施夢(mèng)汝， 陳世杰， 陳卓凡

中山大學(xué)光華口腔醫(yī)學(xué)院·附屬口腔醫(yī)院口腔種植科 廣東省口腔醫(yī)學(xué)重點(diǎn)實(shí)驗(yàn)室，廣東 廣州（510055）

口腔健康作為人體健康的重要組成部分，是提高人群生活質(zhì)量的必要保障之一。然而，我國(guó)人群的牙列缺損及缺失發(fā)生率普遍較高，根據(jù)第四次全國(guó)口腔流行病學(xué)調(diào)查結(jié)果，35 ～44 歲中青年人群中，牙缺失率約為32.3%，65～74 歲老年人當(dāng)中，牙缺失率約為81.7%［1］。牙列缺損或缺失會(huì)影響患者的咀嚼及發(fā)音功能，同時(shí)影響患者的心理健康。種植修復(fù)因其強(qiáng)大的咀嚼功能及較長(zhǎng)的使用壽命等優(yōu)點(diǎn)，成為當(dāng)前牙列缺損修復(fù)的首選。

以智能手術(shù)機(jī)器人為代表的人工智能技術(shù)（artificial intelligence，AI）已經(jīng)成為口腔種植科技術(shù)革新的前沿?zé)狳c(diǎn)之一。種植手術(shù)機(jī)器人經(jīng)過(guò)20年的發(fā)展，已經(jīng)基本實(shí)現(xiàn)在術(shù)前規(guī)劃種植路徑的前提下以高精度完成模型或動(dòng)物種植手術(shù)的目標(biāo)［2-4］。然而，即使目前的種植手術(shù)機(jī)器人已基本實(shí)現(xiàn)“手術(shù)操作智能”，但仍需要依賴臨床醫(yī)師在術(shù)前針對(duì)不同患者進(jìn)行種植決策及方案設(shè)計(jì)，并根據(jù)輸入指令執(zhí)行手術(shù)方案，無(wú)法實(shí)現(xiàn)種植診療過(guò)程完全智能化［5-6］。

人工智能的發(fā)展離不開(kāi)腦科學(xué)的進(jìn)展，借鑒腦神經(jīng)精細(xì)結(jié)構(gòu)及信息處理加工機(jī)制所發(fā)展的類(lèi)腦智能（brain-inspired intelligence），是以計(jì)算建模為手段，受腦神經(jīng)機(jī)制和認(rèn)知行為機(jī)制啟發(fā)，并通過(guò)軟硬件協(xié)同實(shí)現(xiàn)的機(jī)器智能，其目標(biāo)是使機(jī)器以類(lèi)腦的方式實(shí)現(xiàn)人類(lèi)具有的各種認(rèn)知能力及其協(xié)同機(jī)制［7-8］。隨著大數(shù)據(jù)及人工智能時(shí)代的到來(lái)，強(qiáng)大的算力可以支撐計(jì)算機(jī)充分利用大數(shù)據(jù)獲得更多規(guī)律，進(jìn)行知識(shí)的學(xué)習(xí)。因此，賦予種植手術(shù)機(jī)器人以種植決策“類(lèi)腦”，使其在種植決策及方案制定上具有與臨床種植醫(yī)師相當(dāng)?shù)哪芰?，?jīng)臨床醫(yī)師確認(rèn)方案，最終實(shí)現(xiàn)手術(shù)操作智能前提下的種植診療流程完全智能化，這將是未來(lái)種植機(jī)器人研究的前沿方向之一。

本文將類(lèi)腦智能視為未來(lái)種植機(jī)器人的發(fā)展方向之一，從人腦信息處理機(jī)制出發(fā)，結(jié)合類(lèi)腦智能的概念及進(jìn)展，闡述并展望種植決策類(lèi)腦智能化可行方法；并進(jìn)一步結(jié)合本團(tuán)隊(duì)前期研究成果，以種植臨床中的即刻種植方案制定為例，探討類(lèi)腦智能在即刻種植時(shí)機(jī)智能決策中的實(shí)現(xiàn)過(guò)程，為后續(xù)種植決策全面“類(lèi)腦智能化”研究提供范本。

1 類(lèi)腦智能可由神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)種植方案智能決策

人類(lèi)的認(rèn)知過(guò)程可基本概括為信息的流動(dòng)過(guò)程，包括信息輸入、處理、輸出和反饋等環(huán)節(jié)，由人的感覺(jué)、知覺(jué)、記憶、思維等認(rèn)知要素組成［9］。由人體感受器所帶來(lái)的視覺(jué)及聽(tīng)覺(jué)等感覺(jué)構(gòu)成了信息處理的第一步，直接反映客觀事物的物理屬性（例如物體的顏色、形狀、聲音等），知覺(jué)以感覺(jué)為前提，在綜合了多種感覺(jué)的基礎(chǔ)上形成的客觀事物整體映像，兩者共同構(gòu)成了認(rèn)知過(guò)程的起點(diǎn)。在以上信息編碼通過(guò)神經(jīng)系統(tǒng)被人腦接收后，將以短時(shí)記憶的形式喚醒人腦中的記憶系統(tǒng)。當(dāng)某個(gè)知覺(jué)對(duì)象一旦被知覺(jué)及記憶歸類(lèi)確定后，將進(jìn)入對(duì)信息的思維和決策過(guò)程，并經(jīng)決策決定對(duì)它做出某種行動(dòng)，這個(gè)決策將以指令形式輸送到效應(yīng)器官，支配效應(yīng)器官做出相應(yīng)的動(dòng)作［10］。然而，思維及決策系統(tǒng)并非憑空產(chǎn)生，是在人類(lèi)認(rèn)識(shí)世界的過(guò)程中通過(guò)“認(rèn)知——反應(yīng)執(zhí)行——反饋”閉環(huán)不斷完善及補(bǔ)充的，其中反饋是將效應(yīng)器官做出相應(yīng)動(dòng)作的結(jié)果作為一種新的刺激，借助于反饋信息，對(duì)已有的信息圖式（schema）進(jìn)行修正更新，從而更為有效地調(diào)節(jié)效應(yīng)器官的活動(dòng)。

類(lèi)腦智能，旨在利用軟硬件設(shè)備，模擬人類(lèi)大腦的認(rèn)知行為機(jī)制及腦神經(jīng)機(jī)制，使機(jī)器達(dá)到或超越人類(lèi)的智能，從而實(shí)現(xiàn)人類(lèi)具有的多種認(rèn)知能力及其協(xié)同機(jī)制［11-12］。目前，以傳感器為代表的信息接收器已在功能上不斷接近人類(lèi)的感受器，如視覺(jué)傳感器及觸覺(jué)傳感器等［13］，將接收到的信息通過(guò)機(jī)器編碼處理的形式進(jìn)行識(shí)別，并以特定形式將數(shù)據(jù)保存，同時(shí)將信息輸入思維決策端?；谌祟?lèi)的基本認(rèn)知過(guò)程及腦神經(jīng)機(jī)制，以人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）為代表的AI 技術(shù)在靜態(tài)視覺(jué)領(lǐng)域模擬了人腦從接收信息到思維決策的過(guò)程，從信息處理角度對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象和模擬，將大量的節(jié)點(diǎn)（神經(jīng)元）按不同的連接方式組成不同的網(wǎng)絡(luò)，人工神經(jīng)元的輸入層模擬樹(shù)突接收來(lái)自其他神經(jīng)元輸入的信號(hào)，通過(guò)激活函數(shù)模擬軸突控制信號(hào)的輸出，輸出層模擬突觸對(duì)結(jié)果進(jìn)行輸出，輸出的信息傳遞到下一個(gè)神經(jīng)元，建立神經(jīng)元的數(shù)學(xué)模型［14-15］。ANN具有可被調(diào)節(jié)的權(quán)重，隨著信息輸入不斷學(xué)習(xí)優(yōu)化，并儲(chǔ)存下來(lái)，形成最終的網(wǎng)絡(luò)擬合函數(shù)，經(jīng)過(guò)優(yōu)化后的ANN 面對(duì)同樣性質(zhì)的信息，將通過(guò)函數(shù)擬合出相對(duì)的標(biāo)準(zhǔn)解答，從而模擬人腦的記憶喚醒、思維及決策過(guò)程［16-17］。通過(guò)模擬人腦信息處理過(guò)程而輸出的智能決策結(jié)果，再交由機(jī)器人執(zhí)行，從而實(shí)現(xiàn)初步的類(lèi)腦智能化（圖1）。

Figure 1 Basic cognitive process of human brain and feasible brain-like intelligent information processing and decisionmaking process圖1 人腦的基本認(rèn)知過(guò)程及可行的類(lèi)腦智能信息處理與決策流程

如上所述，口腔種植機(jī)器人具備十分廣闊的應(yīng)用前景及預(yù)期的種植精度，然而，無(wú)論是主從式還是自主式機(jī)器人，在目前階段均只實(shí)現(xiàn)了“手術(shù)操作智能”，仍需依賴臨床醫(yī)師進(jìn)行術(shù)前種植決策及方案設(shè)計(jì)；另一方面，由于復(fù)雜繁瑣的術(shù)前準(zhǔn)備過(guò)程，種植手術(shù)機(jī)器人的手術(shù)時(shí)間往往比臨床醫(yī)師更長(zhǎng)，其中就包含醫(yī)師在術(shù)前進(jìn)行種植方案的設(shè)計(jì)并導(dǎo)入系統(tǒng)的過(guò)程。如何賦予種植手術(shù)機(jī)器人以“類(lèi)腦”，使其具有與臨床種植醫(yī)師相當(dāng)?shù)男g(shù)前種植決策及方案制定能力，是研究者思考的關(guān)鍵問(wèn)題?；谌四X的認(rèn)知行為機(jī)制及腦神經(jīng)機(jī)制啟發(fā)，通過(guò)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)類(lèi)腦智能化決策，將有望實(shí)現(xiàn)種植手術(shù)全流程智能化。

2 臨床決策指標(biāo)及臨床路徑智能化是種植類(lèi)腦智能的探索方向之一

為實(shí)現(xiàn)種植手術(shù)機(jī)器人的種植決策類(lèi)腦智能化，機(jī)器人臨床智能思維及決策將是關(guān)鍵步驟。循證醫(yī)學(xué)（evidence-based medicine，EBM）背景下的臨床決策并非伴隨高風(fēng)險(xiǎn)及高隨機(jī)性的經(jīng)驗(yàn)決策，而是基于臨床醫(yī)學(xué)證據(jù)的科學(xué)決策［18］。循證醫(yī)學(xué)的實(shí)踐過(guò)程需將經(jīng)過(guò)嚴(yán)格評(píng)價(jià)的臨床研究證據(jù)與臨床決策相結(jié)合，執(zhí)行最新最佳的循證臨床實(shí)踐指南（evidence-based clinical practice guidelines，E-CPGs）或臨床路徑（clinical pathway），以提高醫(yī)療的質(zhì)量，規(guī)范醫(yī)療行為。在這個(gè)過(guò)程中，臨床醫(yī)師既是臨床證據(jù)的使用者，更是臨床證據(jù)的挖掘者［19］。結(jié)合自身臨床經(jīng)驗(yàn)，臨床醫(yī)師依據(jù)自身在臨床診療過(guò)程中發(fā)現(xiàn)的問(wèn)題，通過(guò)有效地檢索、搜尋回答有關(guān)問(wèn)題的最可靠的證據(jù)，進(jìn)行臨床研究證據(jù)等級(jí)判斷及臨床實(shí)用性評(píng)價(jià)，并應(yīng)用于臨床實(shí)踐中，根據(jù)實(shí)踐結(jié)果進(jìn)行反饋，通過(guò)“提出問(wèn)題——搜集證據(jù)——評(píng)價(jià)證據(jù)——使用證據(jù)——再評(píng)價(jià)”的閉環(huán)優(yōu)化，最終得到具有重要臨床指示意義的臨床決策指標(biāo)［20-21］。而在按照循證醫(yī)學(xué)的方法廣泛獲取臨床證據(jù)的基礎(chǔ)上形成的一組臨床指導(dǎo)意見(jiàn)，即循證臨床實(shí)踐指南或臨床路徑，具有高度科學(xué)性和權(quán)威性，用以指導(dǎo)臨床醫(yī)師作出合理的診療判斷［22］。

臨床醫(yī)師需基于臨床技能采集大量多元醫(yī)學(xué)信息，在獲取的醫(yī)學(xué)信息中找出對(duì)應(yīng)的決策指標(biāo)，通過(guò)整合不同決策因素并進(jìn)行臨床判斷，快速確定每位患者的臨床指征，完成風(fēng)險(xiǎn)評(píng)估、邏輯推理和最終決策，根據(jù)適合的臨床證據(jù)采取有效的干預(yù)措施，最終為患者提供科學(xué)有效的治療及支持。而“臨床檢查——獲取決策指標(biāo)信息——確定臨床指征——科學(xué)干預(yù)”的臨床診療過(guò)程即可概括為“臨床路徑”的執(zhí)行過(guò)程［23］?；谘C醫(yī)學(xué)背景，臨床診療過(guò)程可認(rèn)為是針對(duì)不同病種的科學(xué)臨床路徑的執(zhí)行過(guò)程。換言之，若要實(shí)現(xiàn)醫(yī)學(xué)領(lǐng)域的“類(lèi)腦智能”，臨床決策指標(biāo)智能化預(yù)測(cè)以及由此得出的臨床循證路徑智能化執(zhí)行將是主要探索方向，這為種植手術(shù)機(jī)器人類(lèi)腦智能化提供了可行思路。

通過(guò)臨床循證研究厘清臨床決策指標(biāo)及臨床路徑后，如何挖掘臨床決策指標(biāo)數(shù)據(jù)信息，并采用何種方式完成臨床決策指標(biāo)的智能化預(yù)測(cè)，從而實(shí)現(xiàn)臨床路徑的智能化執(zhí)行？大數(shù)據(jù)（big data）及深度學(xué)習(xí)（deep learning）將起到重要作用。現(xiàn)實(shí)中，臨床醫(yī)師在對(duì)不同患者進(jìn)行疾病評(píng)估及設(shè)計(jì)治療方案時(shí)，需要首先獲取相關(guān)的決策因素，并對(duì)這些決策指標(biāo)進(jìn)行定量或定性轉(zhuǎn)化，方可進(jìn)行評(píng)估并最終確定指征，在這個(gè)過(guò)程中將產(chǎn)生大量非結(jié)構(gòu)化數(shù)據(jù)；另一方面，數(shù)據(jù)提取、集成、存儲(chǔ)方式等的進(jìn)步及存儲(chǔ)介質(zhì)的發(fā)展，使得具有大規(guī)模、高速更新及多樣性特征的大數(shù)據(jù)庫(kù)構(gòu)建成為可能。而以人工神經(jīng)網(wǎng)絡(luò)為技術(shù)原理的深度學(xué)習(xí)網(wǎng)絡(luò)的學(xué)習(xí)及訓(xùn)練過(guò)程則需要數(shù)據(jù)的支撐：通過(guò)標(biāo)準(zhǔn)化流程對(duì)決策指標(biāo)進(jìn)行數(shù)據(jù)轉(zhuǎn)換從而構(gòu)建的大數(shù)據(jù)庫(kù)，將為臨床決策指標(biāo)的智能化預(yù)測(cè)提供“學(xué)習(xí)資料”，深度學(xué)習(xí)通過(guò)把海量臨床決策因素?cái)?shù)據(jù)投放到模型中，不斷自我學(xué)習(xí)，豐富自我認(rèn)識(shí)，最終實(shí)現(xiàn)對(duì)全決策指標(biāo)的智能預(yù)測(cè)及臨床路徑的智能執(zhí)行［24］。目前，以深度學(xué)習(xí)為代表的人工智能技術(shù)已在醫(yī)學(xué)等多領(lǐng)域得到成熟應(yīng)用，并因其精確、快速、智能等優(yōu)點(diǎn)具有充足的發(fā)展?jié)摿翱臻g。

在口腔種植領(lǐng)域，種植方案的設(shè)計(jì)需綜合考慮多種因素，如種植位點(diǎn)、種植術(shù)式、種植時(shí)機(jī)及患者因素等，不同種植方案的設(shè)計(jì)均需參考多種臨床決策指標(biāo)。近年來(lái)，已有多位學(xué)者將種植決策因素凝練為不同適用條件下的科學(xué)種植臨床路徑［25-26］。Plonka 團(tuán)隊(duì)通過(guò)總結(jié)臨床文獻(xiàn)，將牙槽骨骨喪失高度作為評(píng)估垂直向骨增量術(shù)式的臨床指標(biāo)，并總結(jié)出輕度（＜4 mm）、中度（4 ～6 mm）及重度骨缺損（＞6 mm）的推薦術(shù)式。對(duì)于輕度骨缺損，引導(dǎo)骨組織再生術(shù)及外置法植骨術(shù)更受推薦；中度骨缺損則推薦使用分階段引導(dǎo)骨組織再生術(shù)，重度骨缺損則推薦在引導(dǎo)骨組織再生術(shù)的基礎(chǔ)上使用不可吸收性膜［25］。Shanbhag 等［27］依據(jù)上頜竇內(nèi)息肉樣病變、黏膜增厚程度及竇腔通暢程度等因素作為評(píng)價(jià)上頜竇炎癥的評(píng)價(jià)指標(biāo)，并提出上頜竇提升術(shù)適應(yīng)證臨床評(píng)估路徑，即針對(duì)患者上頜竇影像判斷是否存在黏膜增厚及息肉樣病變，存在病變者進(jìn)一步判斷竇腔通暢程度，竇腔阻塞者及竇腔通暢但存在上頜竇炎癥狀者建議轉(zhuǎn)診至耳鼻喉科進(jìn)行徹底治療，不適合進(jìn)行上頜竇提升術(shù)。Bassetti 等［28］根據(jù)種植位點(diǎn)角化齦寬度及軟組織缺損程度將軟組織形態(tài)分為Ⅰ～Ⅳ型，分別是種植體頰部的角化齦寬度為≥2 mm、種植體頰部的角化齦寬度為＜2 mm（可伴唇頰系帶牽拉）、角化齦寬度為＜2 mm 伴隨軟組織開(kāi)裂、種植體舌側(cè)無(wú)或僅有少量角化齦，并提出推薦的軟組織移植術(shù)式：對(duì)于Ⅱ型，則推薦使用前庭成形術(shù)+游離齦移植術(shù)；對(duì)于Ⅲ型，需要先進(jìn)行上皮下結(jié)締組織移植術(shù)+冠向復(fù)位瓣，3 個(gè)月后行隧道技術(shù)及前庭成形術(shù)+游離齦移植術(shù)；而對(duì)于Ⅳ型，則需視具體情況選擇術(shù)式。Steigmann 等［29］將提出并評(píng)價(jià)唇側(cè)骨壁厚度、骨開(kāi)裂及骨開(kāi)窗程度等指標(biāo)，將空虛牙槽窩形態(tài)分為3 型，分別是STⅠ型（唇側(cè)骨壁完整）、STⅡ型（唇側(cè)骨板存在骨開(kāi)裂）及STⅢ型（唇側(cè)骨板存在骨開(kāi)窗），并總結(jié)出臨床位點(diǎn)保存術(shù)的術(shù)式選擇路徑：STⅠ型在唇側(cè)骨壁厚度＜1 mm 時(shí)推薦采取膠原顆粒物移植并縫合；STⅡ型及骨開(kāi)窗的高度小于唇側(cè)骨高度1/3 的STⅢ型則推薦將可吸收膜置于牙槽窩內(nèi)覆蓋裂口，充填移植物，以間斷縫合將膜縫合到腭組織；嚴(yán)重的STⅢ型則推薦使用不可吸收膜替代可吸收膜，并視情況考慮結(jié)合牙周手術(shù)?？梢?jiàn)，臨床路徑的總結(jié)有利于規(guī)范臨床診療流程，而其中的臨床指標(biāo)均為定性或定量指標(biāo)，可運(yùn)用AI 技術(shù)進(jìn)行智能預(yù)測(cè)。然而，運(yùn)用AI 手段智能化執(zhí)行臨床路徑的相關(guān)研究仍少見(jiàn)報(bào)道。因此，挖掘種植方案相關(guān)決策指標(biāo)，厘清種植方案設(shè)計(jì)路徑，并通過(guò)大數(shù)據(jù)及人工智能實(shí)現(xiàn)全部種植方案的智能化設(shè)計(jì)，是實(shí)現(xiàn)種植手術(shù)機(jī)器人種植決策類(lèi)腦智能化的可行方案之一，具有廣泛前景（圖2）。

Figure 2 Implementation scheme of brain-like intelligence for implant decision-making of oral implant surgery robot圖2 口腔種植手術(shù)機(jī)器人種植決策類(lèi)腦智能化實(shí)現(xiàn)可行方案

3 以即刻種植時(shí)機(jī)決策初步探討種植類(lèi)腦智能化

即刻種植時(shí)機(jī)的臨床決策一直被認(rèn)為是種植臨床中的難點(diǎn)，結(jié)合ITI 種植指南及多項(xiàng)臨床研究［30］，即刻種植方案的制定涉及多項(xiàng)關(guān)鍵決策因素的綜合評(píng)估，以獲得理想和可預(yù)測(cè)的結(jié)果。以外科解剖因素為例，足夠的前牙唇側(cè)骨壁骨厚度將為即刻種植牙槽嵴豐滿度及遠(yuǎn)期美學(xué)預(yù)后提供基本保障［31］；前牙區(qū)牙齦生物型用于評(píng)估即刻種植美學(xué)風(fēng)險(xiǎn)［32］；種植位點(diǎn)根尖區(qū)骨量將是決定即刻種植初期穩(wěn)定性的重要因素［33］；牙根傾斜度能提示前牙周?chē)浻步M織狀態(tài)，并以修復(fù)為導(dǎo)向?yàn)榧纯谭N植時(shí)機(jī)決策及術(shù)式提供參考等［30］。除此之外，修復(fù)因素、美學(xué)因素及患者全身因素等均可能影響即刻種植方案的制定及設(shè)計(jì)。臨床醫(yī)師在對(duì)前牙美學(xué)區(qū)即刻種植病例進(jìn)行臨床評(píng)估時(shí)，往往存在耗時(shí)長(zhǎng)、考慮不全面、錯(cuò)誤率高等問(wèn)題，而種植決策類(lèi)腦智能的研究與開(kāi)發(fā)有望實(shí)現(xiàn)即刻種植時(shí)機(jī)智能高效評(píng)估與決策。以下將總結(jié)團(tuán)隊(duì)研究成果，就即刻種植時(shí)機(jī)決策探討其類(lèi)腦智能化的實(shí)現(xiàn)過(guò)程。

3.1 明晰即刻種植時(shí)機(jī)決策指標(biāo)，總結(jié)臨床路徑

即刻種植時(shí)機(jī)決策需要術(shù)前審慎細(xì)致的評(píng)估，統(tǒng)籌考慮各項(xiàng)決策指標(biāo)。根據(jù)上文提出的種植機(jī)器人種植決策類(lèi)腦智能化實(shí)現(xiàn)方案，首要任務(wù)為根據(jù)臨床循證證據(jù)總結(jié)即刻種植時(shí)機(jī)決策相關(guān)指標(biāo)，并厘清臨床路徑。因此，本團(tuán)隊(duì)在前期廣泛搜集了與即刻種植時(shí)機(jī)決策相關(guān)的臨床決策指標(biāo)，并評(píng)判其臨床研究證據(jù)等級(jí)，明晰高質(zhì)量決策指標(biāo)，以支持后續(xù)智能化研究［34］。其中，決策指標(biāo)包括修復(fù)因素（磨牙癥、修復(fù)空間）、患者全身因素（雙磷酸鹽藥物史、放療史、骨質(zhì)疏松癥、糖尿?。?、初期穩(wěn)定性、局部感染因素、美學(xué)因素（唇側(cè)骨壁厚度、牙齦生物型）及骨量因素等，總結(jié)出是否可進(jìn)行即刻種植的適應(yīng)證、相對(duì)及絕對(duì)禁忌證，以此探討并提出了即刻種植時(shí)機(jī)決策臨床路徑，即按照修復(fù)因素、全身因素、初期穩(wěn)定性評(píng)估、局部感染因素、美學(xué)因素、骨量因素依次進(jìn)行即刻種植適應(yīng)證評(píng)估。該臨床路徑總結(jié)了現(xiàn)階段與即刻種植時(shí)機(jī)相關(guān)的大部分決策因素，有利于臨床醫(yī)師更全面科學(xué)地評(píng)估是否可進(jìn)行即刻種植。其中路徑中的決策指標(biāo)均為定性及定量指標(biāo)，可支持指標(biāo)數(shù)據(jù)化及深度學(xué)習(xí)過(guò)程。

3.2 構(gòu)建智能化所需原始資料庫(kù)

進(jìn)一步，根據(jù)臨床路徑中所涉及的決策指標(biāo)，進(jìn)行數(shù)據(jù)庫(kù)構(gòu)建，在足夠的數(shù)據(jù)支撐下方可進(jìn)行深度學(xué)習(xí)。其中，團(tuán)隊(duì)選取即刻種植時(shí)機(jī)決策路徑中包含的牙根傾斜度（sagittal root angle）指標(biāo)，在嚴(yán)格的納入及排除標(biāo)準(zhǔn)下獲取患者CBCT 文件，并采用標(biāo)準(zhǔn)化方法獲取CBCT 影像上前牙標(biāo)準(zhǔn)矢狀截面的同時(shí)進(jìn)行數(shù)據(jù)提取、清洗、集成及儲(chǔ)存，以獲得包括牙根傾斜度在內(nèi)的多項(xiàng)上前牙軟硬組織指標(biāo)數(shù)據(jù)，構(gòu)建訓(xùn)練數(shù)據(jù)庫(kù)，并針對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，闡述矢狀面交角在即刻種植時(shí)機(jī)決策中的臨床指示意義，輔助指導(dǎo)臨床決策［35］。根據(jù)本團(tuán)隊(duì)研究成果，矢狀面交角不僅與即刻種植相關(guān)軟硬組織指標(biāo)存在一定相關(guān)性，也可單獨(dú)作為一項(xiàng)決策指標(biāo)指示即刻種植時(shí)機(jī)決策及種植體三維位置，具有一定臨床意義。

3.3 深度學(xué)習(xí)完成臨床決策指標(biāo)的智能化預(yù)測(cè)

在此基礎(chǔ)上，完成即刻種植時(shí)機(jī)決策臨床路徑中的所有決策指標(biāo)的智能化預(yù)測(cè)，將實(shí)現(xiàn)該路徑的智能判斷及執(zhí)行，使種植手術(shù)機(jī)器人獲得與臨床醫(yī)師相當(dāng)?shù)募纯谭N植時(shí)機(jī)決策能力。為此，本團(tuán)隊(duì)邁出了智能化預(yù)測(cè)即刻種植時(shí)機(jī)決策相關(guān)指標(biāo)的第一步，實(shí)現(xiàn)了前牙牙根矢狀面角度的智能輸出。卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）是一類(lèi)包含卷積計(jì)算且具有深度結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)（deep learning）的代表算法之一。為最大限度接近人腦思維過(guò)程，實(shí)現(xiàn)輸入原始矢狀面截圖即可預(yù)估上前牙矢狀面交角的智能效果，本團(tuán)隊(duì)采用“端對(duì)端”（end-to-end）弱監(jiān)督訓(xùn)練方法，將原始訓(xùn)練資料按一定比例劃分為訓(xùn)練集、驗(yàn)證集及測(cè)試集，以未加任何額外標(biāo)注（label）的原始圖像及角度標(biāo)簽作為訓(xùn)練對(duì)象，輸入選定的CNN 中進(jìn)行模型訓(xùn)練及參數(shù)優(yōu)化，并模擬人腦視覺(jué)處理中對(duì)感興趣區(qū)域的關(guān)注，采取類(lèi)激活映射等權(quán)重可視化方法解釋模型熱區(qū)，最終成功構(gòu)建牙根傾斜度AI 預(yù)測(cè)工具，經(jīng)過(guò)算法級(jí)及數(shù)據(jù)級(jí)的結(jié)果評(píng)價(jià)，證實(shí)模型的有效性及精確性，最終實(shí)現(xiàn)高精度輸出上前牙CBCT 矢狀截面牙根傾斜度指標(biāo)的目標(biāo)［35］。

在未來(lái)完成所有即刻種植時(shí)機(jī)決策相關(guān)臨床指標(biāo)的智能化預(yù)測(cè)及循證臨床路徑的智能化執(zhí)行后，將實(shí)現(xiàn)即刻種植時(shí)機(jī)決策類(lèi)腦智能化。以此作為啟發(fā)及示范，最終將完成種植手術(shù)機(jī)器人臨床種植決策類(lèi)腦智能化。

4 總結(jié)與展望

在醫(yī)學(xué)人工智能領(lǐng)域，利用傳感器將外界信息以機(jī)器能識(shí)別的形式進(jìn)行輸入，并通過(guò)醫(yī)學(xué)類(lèi)腦智能進(jìn)行智能決策，在手術(shù)機(jī)器人已基本達(dá)成“手術(shù)操作智能”的前提下，將實(shí)現(xiàn)醫(yī)療領(lǐng)域的完全智能化。然而，一方面，用于確定臨床決策指標(biāo)的臨床檢查手段仍受限于檢查方法不統(tǒng)一、檢查精度不理想等缺陷，甚至可能出現(xiàn)檢查結(jié)果前后不一、臨床醫(yī)師難以定論等問(wèn)題，導(dǎo)致智能化應(yīng)用受限，但隨著檢查技術(shù)的進(jìn)步及檢查方法的規(guī)范，未來(lái)此類(lèi)問(wèn)題將逐漸被解決；另一方面，人類(lèi)對(duì)人腦的信息處理過(guò)程仍存在諸多未知，現(xiàn)階段仍不存在任何一個(gè)智能系統(tǒng)能夠在多方面接近人腦水平，例如，現(xiàn)階段的機(jī)器在信息處理效率及能耗上均劣于人腦，人腦可通過(guò)關(guān)聯(lián)想象等心理活動(dòng)對(duì)無(wú)關(guān)事物進(jìn)行記憶喚醒及思維決策，并通過(guò)行為反饋不斷豐富優(yōu)化思維方式，這意味著，目前階段的類(lèi)腦智能仍只能停留在初步探索及類(lèi)比模擬階段［8,14］。但是，這并不意味著醫(yī)學(xué)領(lǐng)域類(lèi)腦智能的探索及研發(fā)只能停滯不前。從應(yīng)用角度出發(fā)，在大數(shù)據(jù)時(shí)代及人工智能逐步發(fā)展的今天，以ANN為代表的模擬人腦信息處理方式的智能化預(yù)測(cè)手段已達(dá)到一個(gè)理想的高度，配合臨床決策過(guò)程循證及指標(biāo)可數(shù)據(jù)化的特點(diǎn)，這意味著大數(shù)據(jù)及深度學(xué)習(xí)所支撐的臨床決策指標(biāo)智能化預(yù)測(cè)及臨床循證路徑智能化執(zhí)行，將是實(shí)現(xiàn)醫(yī)學(xué)決策類(lèi)腦智能化的探索方向之一，而隨著腦科學(xué)研究的不斷深入，醫(yī)學(xué)類(lèi)腦智能在處理效率及思維方式等方面仍有上升的空間［36］。同時(shí)，本文作者并不否認(rèn)臨床醫(yī)師在未來(lái)的智能化診療趨勢(shì)中所起的重要作用，出于倫理及安全性等考慮，臨床醫(yī)師應(yīng)當(dāng)作為類(lèi)腦智能臨床應(yīng)用的把關(guān)人，以兼顧類(lèi)腦智能應(yīng)用的高效性及可靠性。

本文以即刻種植時(shí)機(jī)智能化決策為例，就口腔種植領(lǐng)域中種植手術(shù)機(jī)器人的類(lèi)腦智能化提出了探索方案，通過(guò)挖掘臨床決策指標(biāo)，厘清臨床決策路徑，并構(gòu)建決策指標(biāo)大數(shù)據(jù)庫(kù)，以深度學(xué)習(xí)分別完成決策指標(biāo)智能預(yù)測(cè)、臨床路徑智能執(zhí)行，最終實(shí)現(xiàn)種植手術(shù)智能化設(shè)計(jì)，即實(shí)現(xiàn)種植手術(shù)機(jī)器人種植決策類(lèi)腦智能化。未來(lái)，挖掘并評(píng)價(jià)臨床決策指標(biāo)并總結(jié)出更多科學(xué)循證的臨床路徑，采取標(biāo)準(zhǔn)化方式獲取對(duì)應(yīng)指標(biāo)數(shù)據(jù)并建立大數(shù)據(jù)庫(kù)，并運(yùn)用智能化方法完成臨床指標(biāo)及路徑的智能預(yù)測(cè)，最終實(shí)現(xiàn)種植臨床診療過(guò)程智能化，將是口腔臨床醫(yī)師們需要思考及努力的方向之一。

【Author contributions】 Chen ZT design the article structure and revised the article. Zeng PS wrote the article. Liu HW, Shi MR, Chen SJ collected the references and revised the article. Chen ZF revised the article.All authors read and approved the final manuscript as submitted.