人工智慧和機器學習在當代矯正中的作用

由於現代齒顎矯正學的不斷進步，齒顎矯正大數據化早已是趨勢，本篇就要來介紹未來齒顎矯正在人工智慧 (AI)和機器學習(Deep Learning)之下可預見的未來趨勢。

自從 Invisalign™ 於 1998 年以其基於雲端的軟體 Clincheck 進入市場以來，矯正領域發生了巨大的發展。 Align 開發了一個新穎的概念，即正牙醫生提交患者的記錄或數據集，以換取建議的治療計劃，並隨後生產一套將牙齒移動到預定位置的矯正器。

大眾於是很快就接受了這個概念，很快，大多數正畸專業人士加入了Invisalign Provider的行列，向該公司提交案例，以換取一套矯正器。隨著提交用於「細化」的連續記錄和用於保留的最終記錄，這一過程又向前推進了一步。

這個過程就是一個單方面的資料共享「關聯」。矯正醫生和牙科專業人士收集的所有患者數據均在沒有任何使用契約的情況下提交給align公司，這使得該公司能夠建立一個非凡而獨特的正畸治療結果數據集，這是任何正畸組織以前從未收集過的。

矯正是一門藝術和一門科學，主要基於臨床醫生的經驗和偏見。每個錯牙合都是獨特的，並且不可能完全且可預測地將口顎系統表達的不同模式關聯起來。矯正醫生之間通常不會共享信息，除了會議上患者的前後記錄外，他們強烈傾向於發布主要是積極的結果。

所獲得的分析隨機資料非常少，從業人員之間共享的資料更是少之又少。臨床正牙醫師一次治療一名患者，沒有能力收集或分享大量治療結果資料集，以從多個非同步臨床觀察中得出推論。矯正醫師經常依賴有限的方法來獲得最大的效率。這種基於臨床經驗的方法可能經常導致治療完成時間延遲，並且可能無法達到最佳結果。

人工智慧 (AI) 透過同時分析咬合不正中存在的所有不同變量，提供了「一種從數據中獲得更準確預測的方法」。這種能力有可能幫助醫生在治療咬合不正時獲得最有利的結果。

圖1：使用「前饋」方法進行前向診斷過程，無需回饋。參考自https://apospublications.com/the-role-of-ai-and-machine-learning-in-contemporary-orthodontics/

首先，研究和診斷咬合不正面臨許多挑戰，並且由於分析中存在大量變量，因此對治療結果帶來不確定性。矯正牙醫師必須在心裡計算所有參數，以根據經驗識別模式，並採用最合乎邏輯或最可能的方法來解決所提出的問題。為了簡化分析過程，許多正畸醫師傾向於簡化分析過程，傾向於採用機械方案而不是深入的診斷方法，因為人們認為僅憑經驗就足以評估成功的可能性。

這個過程稱為「前饋方法」，不一定涉及複雜的回饋機制來改善先前的診斷和結果分析。[圖1 ]將此原則解釋為一種公認但可能效率低下的患者治療模式。這種基於經驗的方法得到了許多臨床醫生的提倡，因為它很簡單，但缺乏重新評估積極和/或消極結果並從中學習的方法。

然後網路建立輸出或最可能的診斷。此輸出取決於資料量（輸入）以及在輸入層級分配給資料的權重。為了使神經網路能夠學習並保持高效，必須對大量資料進行正確標記和加權 [圖 2 ]。

圖2：深度神經網路。左邊的變數被輸入到節點中。隨機權重分配給各層，並允許網路透過反向傳播「學習」。參考自https://apospublications.com/the-role-of-ai-and-machine-learning-in-contemporary-orthodontics/

儘管存在多個變量，但要找到並應用針對特定咬合不正的最合適的治療方法，需要軟體積累大量數據並進行訓練。

監督學習與非監督學習

目前，人工智慧在正畸學中的應用僅限於監督學習，例如物件或點識別。最好的例子是頭影測量軟體程序，例如WEBceph™ 或AudaxCeph™、Cephio™、CephX™、DentaliQOrtho™、EYES.OF.AI™ 和FPT-Software™，這些程序經過訓練可識別頭影測量射線照片中的識別點，以促進頭影測量分析。出於臨床目的，頭影測量地標識別數據甚至可以輕鬆擴展以預測和可視化治療後的軟組織變化。人工智慧在自動頭影測量地標識別中的應用可以減輕負擔並減少人為錯誤。透過自動收集放射線數據，它還有助於減少人工任務以及研究和臨床目的所需的時間（Ji-Hoon Park等人）。人工智慧對頭影測量標誌的識別與人類檢查員一樣準確。 AI 總是偵測到相同的位置，這意味著 AI 可能是重複識別多個頭影測量標誌的可靠選擇 [圖 3 ]（Hye-Won Hwang等人）。

圖3：頭影測量自動點檢測。參考自https://apospublications.com/the-role-of-ai-and-machine-learning-in-contemporary-orthodontics/

我們的職業可以做些什麼來準備並成為即將到來的人工智慧革命的一部分？

在數位時代，“數據就是力量”，很明顯，必須提出解決方案，以確保矯正數據受到專業人士的保護，就像醫療數據在未事先了解其潛在用途的情況下不會傳播一樣。如果得到充分的共享和保護，每天在矯正診所收集的數據量與深度神經網絡相結合，有可能成為該行業進步的巨大源泉。首先需要證明這些神經網路的功能和可靠性。

大數據為深度學習機器提供數據。為了提高效率並供矯正領域使用，需要收集和處理大量數據。咬合不正由於向矯正醫生提供了眾多變量，因此需要非常複雜的網絡，然後使用無監督學習的機器學習將對咬合不正的治療產生重大影響。

即使一些關於最新演算法成就的報告看起來具有革命性，但該技術的應用範圍很窄且難以實現。矯正專業需要適應這種新的、高度令人不安的環境。目前，大部分研究都是由公司進行的，這使得矯正行業處於潛在的弱勢地位。

如何立為引導地位，To Lead or not to lead, this is the question! 也希望每個領域角色都能進行更實質的互助合作模式！