综述：DentalMonitoring公司的人工智能在检测矫正器辅助装置丢失方面的准确性：一项回顾性多中心研究

《Seminars in Orthodontics》：Accuracy of DentalMonitoring’s artificial intelligence in detecting the loss of aligners’ auxiliaries: a retrospective multi-centric study

　　DentalMonitoring的AI系统在检测隐形矫治器附件和按钮脱落时表现出98.2%的敏感性和100%的特异性，有效提升临床事件发现效率。

　　在现代牙科治疗中，隐形矫治器（Clear Aligner Therapy, CAT）作为一种非侵入性的矫正方式，因其美观、舒适和便捷性而受到广泛欢迎。然而，尽管隐形矫治器在治疗过程中具有诸多优势，其在实际应用中仍面临一些挑战，尤其是在矫治器辅助结构（如附件和按钮）的管理方面。这些辅助结构在矫正过程中起到关键作用，它们不仅帮助实现精确的牙齿移动，还能增强矫治器的稳定性，提高治疗效率。因此，附件和按钮的脱落或脱粘问题可能对治疗结果产生严重影响，导致治疗时间延长、患者需要频繁复诊，并可能影响最终的治疗效果。为了应对这一问题，越来越多的牙科机构开始采用人工智能（Artificial Intelligence, AI）技术，以提高对这类问题的监测和诊断能力。本文旨在评估DentalMonitoring（DM）公司的AI系统在检测隐形矫治器附件和按钮脱落方面的准确性和可靠性，通过对比专家评估与AI检测结果，探讨其在实际临床中的应用价值。

在隐形矫治器治疗中，附件和按钮作为重要的辅助装置，其脱落可能导致治疗计划的偏差。附件通常是小型的复合树脂材料制成的突起，被粘贴在特定牙齿上，用于施加必要的力以实现特定的牙齿移动。而按钮则用于与橡皮筋配合，提供额外的力，帮助矫正复杂的咬合问题或牙齿旋转。尽管这些辅助结构在提升治疗效果方面具有显著作用，但它们在临床实践中仍然容易受到脱落、脱粘或磨损的影响。研究显示，某些患者群体中附件脱落的发生率较高，尤其是在治疗初期阶段。这可能与粘接技术、患者使用习惯以及矫治器材料特性等多种因素相关。因此，如何高效、准确地检测这些脱落事件，成为提升隐形矫治器治疗质量的重要环节。

为了解决这一问题，DentalMonitoring公司开发了一种基于人工智能的远程监测系统，该系统能够通过分析患者在治疗过程中生成的口腔图像，自动识别附件和按钮的脱落情况。该系统的核心在于利用AI算法对图像进行分类，判断某一牙齿是否出现了附件或按钮的缺失。为了验证该系统的性能，研究团队采用了一种严格的评估方法，通过对比AI检测结果与由三位经过专业培训的正畸专科住院医师达成的专家共识，来确定最终的“真实结果”（Ground Truth）。对于AI与专家共识之间存在分歧的情况，研究团队还引入了一位独立的外部专家进行仲裁，以确保评估的客观性和准确性。这种多阶段的评估流程不仅提高了诊断的可靠性，也为后续的统计分析提供了坚实的基础。

研究数据来源于DentalMonitoring公司在美国的临床数据库，共有719名患者被随机选取用于分析。每位患者在治疗过程中生成的口腔图像集至少包含8张照片，涵盖了闭合咬合和张开咬合的不同视角，以确保全面的图像采集。这些图像集通过DM的AI系统进行处理，生成初步的检测结果。随后，三位专家对每张图像集进行独立评估，并通过讨论达成一致意见，作为最终的“真实结果”。在AI与专家意见不一致的情况下，外部专家的介入进一步提高了评估的准确性。最终，对于附件脱落，AI系统共检测到765个结果，其中183个为阳性（即检测到脱落），579个为阴性（未检测到脱落），3个无法确定；对于按钮脱落，共检测到659个结果，其中127个为阳性，525个为阴性，2个无法确定。基于这些数据，研究团队计算了AI系统的敏感性和特异性，并得出了令人瞩目的结果。

对于附件脱落的检测，DM的AI系统表现出极高的敏感性（98.2%），即能够准确识别出绝大多数真实脱落的病例。同时，其特异性也达到了100%，意味着在没有脱落的情况下，AI系统几乎没有误报。这种高特异性对于临床诊断尤为重要，因为误报可能会导致不必要的干预或延误治疗。对于按钮脱落的检测，AI系统的敏感性同样表现出色（98.4%），而特异性为99.0%，表明其在识别按钮脱落方面也具有很高的准确性。这些结果表明，DM的AI系统在检测隐形矫治器辅助结构脱落方面具有极高的可靠性，能够为临床医生提供及时、准确的诊断信息。

值得注意的是，附件和按钮的脱落检测具有一定的挑战性。由于附件通常与牙齿颜色相近，且体积较小，其脱落可能在图像中不易察觉。而按钮虽然材质多样，但在某些情况下也可能因图像质量问题或视野限制而难以准确识别。尽管如此，DM的AI系统依然能够保持较高的检测准确率，这得益于其对图像的深度分析和智能分类能力。此外，研究团队还对不同牙齿的脱落情况进行了统计分析，发现某些牙齿（如17、27、31、41和47）的脱落发生率相对较低，这可能与这些牙齿在治疗过程中的使用频率或位置有关。而对于按钮脱落，由于其在某些牙齿上几乎不被使用，因此这些牙齿的脱落情况在统计中并未被纳入分析。

在临床实践中，隐形矫治器的辅助结构脱落不仅会影响治疗效果，还可能增加患者的不适感和治疗成本。因此，早期发现和干预成为改善治疗结果的关键。DM的AI系统通过自动化检测，能够在患者每次扫描后迅速识别出脱落情况，从而为医生提供及时的反馈，使其能够采取相应的措施，如提醒患者注意佩戴或安排复诊。这种实时监测功能不仅提高了治疗的效率，还增强了患者的治疗体验，使他们能够更好地遵循治疗计划，减少因脱落导致的治疗中断。

此外，本研究还探讨了隐形矫治器治疗中辅助结构脱落的潜在原因。研究指出，脱落的发生与多种因素相关，包括患者的使用习惯、粘接技术以及矫治器的材料特性。例如，频繁取下矫治器、不正确的佩戴方法、在佩戴期间进食不当等行为都可能增加脱落的风险。同时，粘接过程中可能产生的多余材料（即“闪边”）也可能影响附件的稳定性，进而导致脱落。因此，除了依靠AI系统进行检测外，提高患者的依从性、优化粘接技术以及选择合适的材料，都是预防辅助结构脱落的重要手段。

本研究的局限性也值得关注。首先，尽管专家评估遵循了标准化流程，但在达成共识的过程中，完全的盲法评估可能难以实现，这可能引入一定程度的主观偏差。其次，研究数据仅来源于美国的临床数据库，因此其结果可能在非美国患者群体中的适用性存在一定的局限。此外，由于不同品牌的隐形矫治器在材料和设计上可能存在差异，这些因素可能影响AI系统的检测效果，但研究并未对此进行深入分析。最后，研究采用了回顾性数据，这意味着部分变量可能无法完全控制，从而影响研究的全面性和准确性。

尽管存在上述局限性，DM的AI系统在检测隐形矫治器辅助结构脱落方面仍展现出卓越的性能。这种高准确率的AI系统不仅能够帮助临床医生更高效地监测治疗进展，还能减少因辅助结构脱落导致的临床问题，从而提高整体治疗质量。未来的研究可以进一步优化AI系统的性能，特别是在处理图像质量较差或视野受限的情况时，提高其检测的全面性和准确性。同时，结合患者的使用行为数据和临床操作记录，可以更深入地分析脱落的原因，为制定更有效的预防措施提供依据。

总的来说，本研究为隐形矫治器治疗中的辅助结构脱落检测提供了一个可靠的评估方法，并证明了AI在这一领域的巨大潜力。随着人工智能技术的不断发展，其在牙科领域的应用将越来越广泛，不仅限于辅助结构的监测，还可能扩展到其他方面的临床诊断和治疗管理。这将有助于提升牙科治疗的效率和效果，为患者提供更加精准和个性化的治疗方案。未来，结合AI技术的远程监测系统有望成为隐形矫治器治疗的重要工具，为牙科医生和患者带来更多的便利和保障。