综述：Carriere? Motion? Class II (CM2) 与 Class III (CM3) 矫治器的治疗效果

　　本综述推荐了一项关于人工智能远程监控（AIDRM）系统在无托槽隐形矫治（CAT）中应用的突破性研究。该研究证实，DentalMonitoring (DM) 的AI算法在检测附件（attachments）与扣钮（buttons）脱落方面具有极高准确性（灵敏度>98%，特异性>99%），能显著减少未被发现的临床事件，提升矫治疗效与效率，是正畸数字化诊疗领域的一项重要进展。

　　

引言

在无托槽隐形矫治（Clear Aligner Therapy, CAT）领域，复合树脂附件（attachments）和扣钮（buttons）等辅助装置的整合是一项极具影响力的进步。这些装置通过引入定向力系统，显著提高了牙齿移动的精确度，并扩大了可治疗的错颌畸形范围。附件是粘接在特定牙齿上的牙色复合树脂凸起，对于改善矫治力的传递、实现整体移动和转矩所需的力偶至关重要。它们有各种形状，以应对特定的任务和牙齿移动，并对矫治器的贴合精度、固位、牙齿旋转矫正以及尖牙和磨牙的压入、伸出和远中移动等起到重要作用。扣钮则通常与弹性橡皮链配合使用，对牙齿施加额外的力，可矫正包括咬合问题和牙齿旋转在内的多种正畸问题。

然而，这些辅助装置容易发生脱落、脱粘和磨损。一项前瞻性临床研究显示，在772个附件中，脱落率高达13.7%，且多发生在治疗初期。脱落风险受多种因素影响，包括矫治器相关变量（如材料厚度）、患者行为（频繁摘戴、依从性差、饮食习惯）以及操作者的粘接技术。由于它们的关键作用，辅助装置的丢失会导致严重的临床问题，可能延长治疗时间，增加复诊次数，并对治疗预后产生负面影响。这些问题在长期未被发现时尤为突出。因此，评估 DentalMonitoring (DM) 这类新型人工智能远程监控软件在检测附件和扣钮脱落方面的准确性至关重要。

材料与方法

本研究是一项多中心、回顾性、定量观察性研究，旨在向美国食品药品监督管理局（FDA）提交监管申请。研究共纳入719例患者病例，这些病例均来自DM的临床数据库，该数据库汇集了全球正畸诊所的数据。为确保数据集的公正性和代表性，最终病例由无法访问DM图像且不参与临床操作的独立第三方通过随机抽样选定。

患者纳入标准包括：接受无托槽矫治器治疗且至少有一个附件和一个扣钮的患者。排除标准包括：有一颗或多颗乳牙的患者以及非美国患者。对于由DM扫描生成的图片集，要求必须使用DM应用程序（在Android 6及以上或iOS 11及以上的手机上）、DM颊拉器和DM扫描盒（ScanBox）采集的去标识化图片集。所有口内图片集需包含至少8张可由DM处理的图像，包括至少三张闭口位视图（正面、右侧、左侧）、三张开口位视图（正面、右侧、左侧）以及两张咬合面视图（上颌和下颌）。

研究目标是评估DM人工智能系统在检测附件和扣钮脱落方面的性能，以专家小组的评估结果作为参考标准。专家小组由三位美国正畸住院医师组成，他们均接受了标准化培训。DM的AI模型是一个基于专家标记的口内图像训练的分类神经网络。附件脱落定义为与先前扫描相比，附件不再存在；扣钮脱落定义为与参考前部图像集相比，金属、陶瓷或复合树脂扣钮缺失。

每个选定的DM口内图片集（由单次DM扫描生成）都通过DM进行分析以生成DM结果。同一图片集被分配给三位专家，由他们生成共识结果。通过比较三位专家的结果来确定小组的最终诊断。若三者一致，则记录该共识为最终结果；若存在多数意见（两人一致），则采纳多数意见；若意见完全不一致，则交由小组成员讨论以达成共识。将此共识结果与DM结果进行比较。若一致，则该结果即为最终事实（Ground Truth）；若不一致，则由一位外部专家（委员会认证的正畸医生）审阅这些存在差异的病例，以确定最终的Ground Truth。

结果

最终，共有338名患者被纳入附件脱落的统计分析，产生了765个结果。对于扣钮脱落参数，最终统计分析共纳入381名患者，产生659个结果。

对于DM人工智能检测附件脱落，其灵敏度为98.2%（95% CI: 94.3%–99.4%），特异性为100%（95% CI: 98.7%–100%）。这意味着在186个真实阳性病例中，DM正确识别了183个；在579个真实阴性病例中，DM全部正确识别。

对于扣钮脱落，其灵敏度为98.4%（95% CI: 94.0%–99.6%），特异性为99.0%（95% CI: 96.9%–99.7%）。这意味着在129个真实阳性病例中，DM正确识别了127个；在530个真实阴性病例中，DM正确识别了525个。

此外，分析确保了全牙列的代表性，检查了分析中所包含牙齿的分布情况，验证了每个牙号在分析总数中至少占1%。大多数牙齿达到了此阈值，少数牙齿略有不足。

讨论

迄今为止，多项研究探讨了人工智能远程监控（AIDRM）在无托槽隐形矫治中的益处，报告的结果包括减少复诊次数、缩短首次精调时间、可能减少总治疗时间以及积极的整体患者体验。然而，尚无研究评估这些系统在检测矫治器相关问题方面的准确性。本研究是首个评估AIDRM在无托槽隐形矫治过程中识别附件和扣钮脱落准确性的研究。研究方案涵盖了来自美国多个地点、不同年龄段、接受不同品牌矫治器治疗的多样化患者队列，并在分析中确保了所有牙齿的公平代表性，从而全面反映了真实世界的情况。

研究结果显示，所评估的两个参数具有很高的准确性，检测附件脱落的灵敏度为98.2%，检测扣钮脱落的灵敏度为98.4%。这些发现表明，DM是一种在CAT期间识别辅助装置脱粘的高度准确的方法。这一结果对于附件而言尤其值得注意，因为它们体积小，且通常由与牙齿颜色相近的复合树脂材料制成，这使得检测它们更具挑战性。

尽管大量研究报告称固定矫治器托槽的紧急情况高于CAT，但一项临床研究发现，CAT一年内的附件损坏率在9.70%到14.79%之间，具体取决于所使用的复合树脂类型。在本研究中，附件脱落的患病率为24.31%，扣钮脱落的患病率为19.58。这一比率明显高于以往研究中报告的托槽损坏率（2.67%至2.8%）。无论是托槽还是矫治器，大多数事件都发生在治疗早期，这可能表明由技术敏感的粘接程序和患者适应期导致的粘接强度存在缺陷。一项包含94名接受CAT患者的 prospective study 评估了可能预测附件问题的风险因素，并将其分为三类：临床变量、操作者相关变量和患者相关变量。研究得出结论，患者相关的附件脱落原因（包括矫治器摘戴频率和方法、矫治器佩戴时间、使用矫治器就位器、戴着矫治器进食以及咀嚼习惯）占大多数，比例为56.25%。鉴于患者相关原因的复杂性和可变性超出了临床医生的控制范围，人工智能和远程正畸技术的进步为改善这些问题的管理提供了重要机遇，这些问题会极大地影响治疗效率和质量。

本研究存在若干局限性。首先，尽管专家小组遵循了标准化评估方案，但在共识过程中完全设盲不可行，这可能会引入一定程度的解释偏倚。其次，尽管从DM数据库中随机选择了患者，但排除非美国患者可能会限制研究结果在更广泛人群中的普适性。第三，虽然代表了多个矫治器品牌，但分析中未控制不同设备在材料特性、附件设计或图像质量方面的潜在差异。第四，未通过重复评估相同病例来评估检查者自身可靠性，这限制了我们评估专家评估随时间一致性的能力。最后，研究的回顾性性质 inherently 限制了对某些变量的控制。作为最终事实的一部分，缺少临床椅旁评估可能会影响诊断准确性的整体可靠性。基于图像的评估虽然实用且反映了真实世界的使用情况，但存在一定的局限性，包括图像质量的可变性和后牙区视野的受限。此外，最终事实的确定涉及专家判断，尽管是系统的并受预定义标准指导，但在解释研究结果时应承认其引入了主观因素。

未来的研究工作应仔细评估AIDRM系统的可靠性，同时研究这种创新方法对患者护理质量、体验和治疗效率的影响。

结论

本研究的主要发现表明，DM算法在检测无托槽隐形矫治（CAT）过程中辅助装置脱粘方面非常准确。使用DM进行远程监控的正畸医生会在患者的扫描中检测到此类临床事件时收到及时警报，从而能够立即进行干预。

考虑到文献中报道的辅助装置脱粘发生率较高，AIDRM为早期检测提供了显著优势，有可能改善治疗结果。