临床护理中的人工智能:牙医如何使用人工智能来改善诊断和患者沟通-口腔健康组

介绍:老工作，新工具

自从20世纪50年代x射线摄影在牙科广泛应用以来，x光片一直是牙医的主要诊断工具。¹原因很容易理解:光片显示的东西只有很小一部分是肉眼能看到的。

在医学的其他分支中，放射学是它自己的专业;在牙科领域，它是临床医生的副业，是预防和修复过程中的短暂停留。

准确地解读牙科x光片是困难的。图像质量参差不齐，可能充满歧义。不足为奇的是，几项研究表明，不同的牙医在看同一张x光片时，会以不同的方式解释特征，得出不同的诊断，并对病变的深度和严重程度做出不同的估计。²40%的空腔深度估计是错误的。我们遗漏了1 / 4到1 / 2的根尖周放射透明度。在一项涉及数千张x光片的研究中，三名牙医对某张x光片的意见完全一致的概率只有4%。^3.患者意识到了这一点，并以某种谨慎的态度对待牙科。

大约15年前，放射科医生与癌症肿瘤学家合作，开始使用一种新技术来帮助他们解读肺和其他内脏器官的x光片。⁴这种新技术被广泛称为“人工智能”，简称AI。数字图像分析形式的人工智能现在已成为肿瘤学领域公认的工具，并显示出检测异常的能力，与人类放射科医生相当，有时甚至更强。^5、6

同样类型的人工智能在牙科领域的应用只是时间问题，在牙科领域，对x光片的解读是临床实践的基础。事实证明，牙科领域是人工智能的沃土，它需要使用专家分析师标记的大量数据进行密集的“训练”。如果曾经有一个健康学科有大量的数据存在，它是在牙科的x光片的形式。牙科人工智能的实际表现证明了这一点。正如在肿瘤学中所做的那样，数字图像分析在检测和识别正常和异常特征方面与牙科专家的表现相匹配或超过。⁷

人工智能在牙科的商业案例

《读者文摘》1997年发表的一篇文章经常被引用，报道了一位作家的经历，他在50个州拜访了50位牙医，得到了几乎同样多的诊断和治疗方案。⁸正如你所怀疑的那样，它们在复杂性和成本上存在很大差异。没有办法知道那篇文章是否改变了牙医的声誉，但它肯定与牙医可能是一个非常主观的行业的普遍看法产生了共鸣。

科学进行的研究也得出了同样的结果;牙科诊断是高度不一致的，你甚至可以说不可靠。

虽然一些不道德的从业人员可以利用放射学证据的模糊性来牟利，将不必要的治疗强加给患者，但我们大多数人都努力使诊断的准确性和一致性尽可能地融入我们的工作中。数字图像分析只能有所帮助。它将结果呈现给牙医和病人，在椅子边，作为一个带有突出显示和标记的关注区域的x光片图像。作为牙医的辅助工具，它可以确保牙医不会忽视任何问题，同时让他或她对不同标准的重要性以及如何进行治疗做出必要的专业判断。作为对病人的一种服务，它澄清了模糊的图像，传达了精确和客观的令人放心的印象。人工智能分析的x光片感觉就像实时传递的第二种意见。
与人类放射技师相比，人工智能还有几个优势。一个是灵敏度，它的功能，使极其精细的灰度区分。另一个优点是，它从不疲劳、不专心、分心、健忘或匆忙。换句话说，它从不犯粗心的错误。但也许最重要的是，这是一股能让所有船只都上涨的潮流。它从不停止学习。人工智能有潜力融合大量从业者和患者的集体知识和经验，并使其力量惠及所有人。

数字图像分析并不是唯一一种对牙医有用的人工智能。在很大程度上，牙医比大多数其他医疗专业人员都是企业家。在私人执业中，他们同时扮演着企业所有者和护理提供者的双重角色。人工智能和人工智能相关软件可以承担许多日常工作，简化管理方面的工作，同时提高临床方面的表现。方便的是，作为企业主，牙医不仅能够从人工智能中受益，而且还可以做出购买人工智能的决定。

对于dso来说，人工智能不仅提高了诊断的一致性，而且还可以识别那些倾向于过度或不足诊断某些疾病的临床医生。在获取不同地点的大量患者记录的背景下，它开辟了未来对患者随时间推移的牙齿健康进行纵向分析的选择，并发现牙齿健康、一般健康、地理、营养和其他环境因素之间的潜在关系。

工作原理

向计算机展示大量龋齿图片，就能教会计算机识别龋齿，这似乎很难理解，但这与我们自己识别龋齿的方式并没有太大区别。新生婴儿也必须学会将视觉数据组织成物体;它们来到这个世界时，并没有内置对狗、猫和汽车的识别功能。用于计算机视觉的编程技术被称为“神经网络”，因为它的结构和操作与动物或人类的神经系统大体相似。

就像人类视网膜的视杆细胞和视锥细胞一样，计算机以大量像素集合的形式接收原始图像。它找到它们之间的关系——边缘、梯度、颜色的数量和位置、明暗等等——并将这些关系与对象相关关系集的内部目录进行比较，寻找接近的匹配。

困难的部分是首先创建内部目录。这个过程被称为“深度学习”，这是一个听起来有点夸张的术语，指的是在同一类事物的大量视觉记录中寻找数学共性。在从10000张不同猫的图片中学习后，计算机可以识别任何新的猫，而不会被像猫一样的狗或其他猫科动物愚弄。结果是惊人的精确。计算机不仅能识别任何一只猫，还能识别某一只猫;不是任何一张脸，而是你的脸，即使是侧着脸，或者在人群中，或者部分被你的N95覆盖。

为了训练机器学习系统用于牙科，牙科放射科医生注释了数千张x光片。通过研究这些带注释的x光片，人工智能学会了识别各种正常和异常情况的视觉特征。当然，注释者并不总是在每一点上意见一致。当它们不一致时，人工智能将不确定性记录为概率。结果是，这台机器体现了一大批x光片阅读专家的集体技能，并能够通过不断的反馈来学习和改进自己的能力。

人工智能在行动

从牙医的角度来看，使用人工智能技术注释x射线可以改善目前令人沮丧的多个领域。例如，企业咨询公司l.e.k最近进行的一项研究将减轻行政负担和寻求更好的工作/生活平衡列为工作选择的主要驱动因素。人工智能可以影响这两者。从牙科索赔管理方面，带注释的x光片有助于消除索赔审查的主观因素。更准确地说，现在有了附加在牙齿上的客观测量，这就不需要审查员为了裁决索赔而决定一颗牙齿是否缺少40%或50%的牙齿结构。索赔审查的不一致性传统上一直是牙医争论的一个领域，而人工智能可以进行精简、公正的审查。

此外，在美国DSO支持的实践中工作的临床医生的反馈，Sage Dental进行了临床人工智能软件的试点部署，一致报告说，他们在使用该软件时感到不那么疲惫，与工作相关的压力也较低。有几个原因可以解释这一点。牙医平均每天要看300多张x光片。诊断的统计变异性将基于从一天中的时间到临床医生在检查时的匆忙程度的一切。我们生活在一个诉讼的环境中，所以临床医生担心“遗漏的东西”肯定是一个压力源。再加上眼睛疲劳和其他操作压力，倦怠的完美配方就存在了。结合人工智能技术有助于通过消除压力源来改善工作/生活的平衡，并通过创建单一版本的数据来审查索赔，从而减轻管理负担。

创新的临床辅助人工智能技术提供了改进的、一致的患者诊断，并增加了每个患者的收入。虽然收入从来不是主要目标，但它肯定有助于减轻与实现辅助技术相关的成本。为了验证这篇论文，我们抽样了试点患者案例，以评估绩效指标、患者治疗接受度和患者总体满意度。下面的案例研究说明了整个试验组，并表明增强了疾病检测，患者对其疾病状态的理解，以及对诊断的信任。

案例研究1:拔牙

AI说服病人保存#36和地址#35

这位病人带着剧痛来到诊所，只想“拔牙”。医生可以使用实时人工智能病理检测辅助工具“第二意见”(Second Opinion)，帮助患者看到疼痛的来源(即第36条神经附近的龋坏)，以及牙齿的大部分结构可以保存的事实。人工智能软件还显示，在35-d号上有一个非常小的空洞，在进行视觉检查时肉眼无法看到。该诊所能够在同一天解决这两个问题，并在不拔除的情况下治疗该患者的疼痛。如果没有人工智能的帮助，有两件事是不可能发生的。首先，患者能够用侵入性较小、成本较低的治疗方法解决第35号的早期腐烂问题，而不是在下一次就诊前六个月或更长时间内解决恶化的问题。其次，患者选择了更健康、更保守的36号治疗方案。从本质上讲，能够客观地看到蛀牙，而不是仅仅相信牙医，让病人做出更好的决定，挽救牙齿。

人工智能影响的生产影响

36 Endo
36瓷冠
35 DO树脂
综合考试

图1

案例研究2我的“免费”清洁

一位老年病人来到办公室，只是想要她的“免费清洁”，没有其他工作。她对此态度坚决。办公室团队再次使用“第二意见”为她提供了一个人工智能驱动的视觉演示，展示了她在x光片中检测到的所有情况，包括精确的附着损失测量和受冲击影响的衰变的局部注释，现有修复体上的开放边缘，以及缺失的冠。她继续接受牙周洁牙和根刨(SRP)治疗，并计划于#17、#27和#37开始治疗，以及#18提取液。该患者表示，她在之前的访问中被告知依恋缺失，但没有接受治疗，因为她不确定这是一个有效的担忧。彩色编码的测量注释影响了她在这次访问中接受治疗的决定。

人工智能影响的生产影响

SRP
27日累积
瓷器/陶瓷皇冠
37瓷器/陶瓷皇冠
瓷器/陶瓷皇冠
18阻生牙拔除

图2一个

图2 b

图2 c

案例研究3修复我开裂的牙齿

这位病人以46号骨折的急诊病人的身份来到我们办公室。办公室团队利用人工智能软件向患者显示，他们的#46骨折和先前填充的#47的近端龋坏。患者清楚地从注释图像中理解为什么还没有伤害的东西应该被处理。该办公室能够在同一天解决患者在46号和47号上的主要问题，在未来为患者节省了时间和金钱。这位患者指出，这项技术给她留下了深刻的印象，并补充说，它帮助她更好地了解自己的疾病状况。

人工智能影响的生产影响

间接纸浆盖
46累积
46瓷冠
47岁的累积
47瓷冠

图3

图3 b

综合考试

从患者的角度来看，这些带注释的图像显然在帮助他们看到、理解并采取行动治疗各自的疾病状态方面发挥了很大作用。随着人工智能技术越来越受欢迎，研究证实，患者现在非常容易接受牙科中人工智能评估的概念。l.e.k咨询公司最近的一项研究表明，61%的患者非常或非常愿意接受带注释的x光片，59%的患者愿意更换供应商，以接受人工智能支持的检查注释和治疗。在一项患者信任和技术调查中也有类似的发现，在600名美国牙科患者受访者中，71%的人表示，他们更有可能相信使用人工智能协助疾病检测的牙医的诊断。⁹在牙科领域利用这项技术的时机已经到来。

结论

一些牙医可能担心被机器人取代，但我们预计，当人工智能助手的便利性和生产力广为人知时，这些担忧会消失。人工智能技术不提供护理，因此人工智能不会取代牙医;这将帮助他们。在接下来的几年里，我们预计牙科人工智能将被广泛采用;事实上，它将成为x射线相机的一个预期的附属物。我们希望治疗费用变得更少不可预测和可变，患者对他们的牙医的客观性更有信心。

从长远来看，我们希望看到包括牙科数据在内的全民“大数据”的使用增加，为一般健康及其与牙科健康的联系提供新的见解。当隐私问题得到解决时，人工智能应该与健康记录的数字化携手并进，以改善牙科领域内外的患者护理。

《口腔健康》欢迎这篇原创文章。

参考文献

Molteni R.(2021)。我们过去的方式(以及我们是如何到达这里的):牙科和颌面放射学50年的技术变革。颌面部放射学杂志，30(1)，2020033。https://doi.org/10.1259/dmfr.20200133
牙科放射诊断与治疗计划的不一致性。牙科人工智能委员会。(2020年12月)。检索于2022年9月21日，来自https://www.dentalaicouncil.org/research
Carter, C.， Sant, N.， Annigeri, R.， Puttashamachar, N.， & Stanley, K.(2020)。(议员)。计算机能像人类一样准确地识别牙齿x光中的龋损吗?珍珠。检索于2022年9月21日，来自https://pages.ada.org/can-a-computer-identify-carious-lesions-as-accurately-as-humans。
考尔，V.， Enslin, S.， & Gross, S. A.(2020)。人工智能在医学上的历史。胃肠内镜检查，92(4)，807-812。https://doi.org/10.1016/j.gie.2020.06.040
卢奇尼，C.，豌豆，A. &斯卡帕，A.(2022)。肿瘤学中的人工智能:当前应用和未来展望。中华肿瘤学杂志(英文版)https://doi.org/10.1038/s41416-021-01633-1
基洛克，D.(2020)。人工智能在乳房x线摄影筛查方面优于放射科医生。Nat Rev clinin Oncol 17, 134。https://doi.org/10.1038/s41571-020-0329-7
Ossowska, A.， Kusiak, A.， & S’wietlik, D.(2022)。牙科中的人工智能-叙事评论。国际环境研究与公共卫生杂志，19(6)，3449。https://doi.org/10.3390/ijerph19063449
Ecenbarger, W.(2022年4月1日)我去看了50个不同的牙医，几乎所有人都给了我不同的诊断。《读者文摘》。检索于2022年9月21日，来自https://www.rd.com/article/how-honest-are-dentists/。
珍珠。(2022)。(议员)。牙科病人信任与技术调查。检索于2022年9月21日，从https://www.hellopearl.com/guides/patient-trust?utm_campaign=Patient%20Trust%20%26%20Technology%20Survey&utm_medium=email&_hsmi=222290340&_hsenc=p2ANqtz -gbE5UvSw2XD1i8wlqncFxSS62_EAFTaKcnFrEtz0C5mDZ96ISP1xWmb8mG28qStrJRZhtcwundZ3Fo6Lqu3z3Z55_YQ&utm_content =222290340&utm_source=hs_email。

作者简介

Cindy Roark是Sage牙科管理公司的高级副总裁兼首席临床官，也是哈佛大学牙科医学委员会的成员。Roark博士获得哈佛大学医疗保健管理硕士学位，并在波士顿大学Henry M. Goldman牙科医学院以优异成绩获得牙科学位。