人工智能驱动的数字修复学中咬合面设计自动化：一种经过临床验证的工作流程

《BMC Oral Health》：AI-driven automation of occlusal surface design in digital prosthodontics: a clinically validated workflow

本研究开发并验证了一个基于AI的全自动化流程，从intraoral扫描重建下颌第一磨牙咬合面，结合多尺度几何特征和注意力融合网络，经临床验证，点对点误差0.66mm，Dice系数86.9%，专家评分均超4.0，证实其高效、准确且可行，推动数字化义齿手术自动化。

　　

摘要

背景

自动化和人工智能（AI）越来越多地应用于数字牙科领域，旨在提高修复和外科工作流程的效率和准确性。下颌第一磨牙咬合面的精确设计仍然是一项耗时的手动任务，这限制了其可扩展性。本研究旨在开发并验证一个完全自动化的AI框架，以便从口内扫描数据中重建个性化的咬合面，从而支持将自动化技术整合到修复牙科程序中。

方法

来自110名患者的口内扫描数据被分为三个组：训练集（n = 90）、验证集（n = 10）和测试集（n = 10）。通过“Dimension Elevator Module”将上颌前磨牙和磨牙的咬合面编码到30维潜在空间中。一个基于注意力引导的融合网络整合了多尺度几何特征来重建下颌第一磨牙的咬合面。性能评估使用了点对点误差、Dice相似系数（DSC）和表面法线余弦相似度。临床验证由十名牙科专业人士使用五点李克特量表进行结构化评估。

结果

该框架的平均点对点误差为0.66毫米，Dice相似系数为86.9%，表面法线余弦相似度超过87%。专家评估在所有标准上的平均得分均高于4.0，尤其是在咬合精度（4.08 ± 0.78）、临床可行性（4.09 ± 0.78）和整体可接受性（4.10 ± 0.78）方面获得了较高的评价。

结论

所提出的AI驱动的工作流程实现了自动化且经过临床验证的咬合面设计，既体现了定量准确性，也获得了专家的认可。通过简化数字修复牙科工作流程，这种方法符合牙科手术中机器人技术和自动化发展的总体趋势，有望提高手术精度、减少手动工作量并改善患者治疗效果。