牙科修复体的数字化工作流程包括数据采集、计算机辅助设计（CAD）和计算机辅助制造（CAM）过程。在传统的CAD软件中，设计过程通常涉及手动确定完成线、选择基于库的解剖牙齿模型或镜像对侧牙齿以建立初始形态，然后手动定制最终修复体轮廓，以匹配现有的上下颌关系并实现美学和谐[[1], [2], [3]]。而种植体支持的修复体设计则涉及在CAD库中匹配种植体扫描数据、选择基台、生成修复体，并进行后续手动定制[4,5]。尽管使用CAD软件设计的牙科技师能够获得临床可接受的结果，但手动CAD过程耗时较长，需要操作者具备经验，并且存在操作者之间的差异[3,[6], [7], [8]]。
人工智能（AI）被定义为计算机科学的一个领域，它使机器能够复制人类的智能过程[9]，并在牙科的临床、研究和教育领域得到了迅速发展[[10], [11], [12]]。特别是，AI技术最近已将修复体设计推向了无需人工干预的完全自动化工作流程[13]。在获取目标牙齿的扫描数据、相邻牙齿的形态和咬合关系后，完全自动化的AI系统可以自动检测完成线并直接进入CAD流程完成修复体设计[14]。这些系统通常采用深度学习架构和算法来分析复杂的牙齿形态和相邻及对立的咬合特征，以生成缺失结构的表面[15,16]。完全自动化的AI集成有可能简化传统的CAD工作流程并提高数字化修复体的制作时间效率[3,17]。
完全自动化的AI驱动CAD系统在牙科修复体设计中的临床应用正在增加，现在涵盖了牙齿支持的修复体（如嵌体[3,18]和前牙及后牙的单单位全覆盖冠[1,2,[6], [7], [8],12,15,[18], [19], [20], [21], [22], [23], [24]]、单单位种植体支持的修复体[4]以及多单位牙齿支持的修复体[17]。先前的文献综述描述了AI系统的修复体设计方法及其底层算法[25]，主要关注可行性以及与传统CAD工作流程相比的单冠设计的生成[[26], [27], [28]]。尽管完全自动化的AI生成的CAD设计很常见，但仍然需要将其与经验丰富的牙科专业人士的设计进行比较，以确保其准确性、安全性和临床可接受性[29]。然而，关于AI设计是否能够在不同类型的修复体中始终匹配或替代人工设计，以及哪些临床场景或过程最适合AI应用，目前证据仍然有限。
因此，本系统评价旨在全面评估完全自动化AI设计的固定牙科修复体的设计质量（包括形态特征和咬合关系）和时间效率，并将其与人工设计的修复体进行比较。原假设是AI设计的修复体与人工设计的修复体没有差异。
