基于 MSCT 与 CBCT 扫描构建口腔虚拟患者：AI 助力精准医疗新突破

《Head & Face Medicine》：Automated orofacial virtual patient creation using two cohorts of MSCT vs. CBCT scans

在牙科医疗中，虚拟模拟虽有所发展，但不同断层扫描技术对虚拟患者（VP）创建的影响不明。研究人员开展了基于面部扫描（FS）、口腔内扫描（IOS）、多层螺旋 CT（MSCT）和锥形束 CT（CBCT）自动创建 VP 的研究。结果显示 AI 能快速、准确且一致地创建 VP，该研究为 VP 融入日常临床实践提供了依据。

　　在牙科医疗领域，虚拟模拟技术不断发展，三维（3D）虚拟患者（VP）概念自提出后，为牙科复杂手术的治疗策略可视化和规划带来便利，能显著提升治疗的精准度与效率，还能改善医患沟通 。然而，目前仍面临诸多挑战。一方面，现有的成像设备各有局限，没有单一设备可精准捕捉所有组织类型，虽提出融合成像模态，但不同成像模态的融合效果受多种因素影响。另一方面，VP 的创建主要依赖手动或半自动分割和配准技术，效率低且易受人为因素干扰。此外，不同断层扫描技术，如多层螺旋 CT（MSCT）和锥形束 CT（CBCT），在 VP 创建过程中的作用及差异尚不明确，这限制了 VP 在临床实践中的广泛应用 。
为解决这些问题，来自比利时 KU Leuven 大学等多个研究机构的研究人员开展了相关研究。他们旨在利用 FS、IOS、MSCT 和 CBCT 数据自动创建 VP，并定量比较人工智能（AI）驱动、AI 优化和半自动配准（SAR）的 VP 创建效果，同时评估软组织对 MSCT 和 CBCT 配准的影响。该研究成果发表在《Head & Face Medicine》杂志上。
研究人员开展此项研究时，用到了以下几个主要关键技术方法：首先，收集了 20 名青少年的多模态图像数据，包括 MSCT、IOS、FS 或 CBCT、IOS、FS，这些数据分别来自比利时 Oost Limburg 医院和 Leuven 大学医院的相关临床试验 。其次，使用特定的扫描仪获取各类图像，如用 iReal 2E 扫描仪获取 3D FS 图像，Emerald S 和 PANDA smart 扫描仪获取 IOS 图像等，并将图像保存为相应格式上传至 Virtual Patient Creator 平台进行自动解剖分割和配准 。最后，运用 Mimics 软件进行半自动化配准（SAR）和优化自动化配准（AI-refined），并通过多种方法对配准结果进行定量分析 。
研究结果如下：

• VP 配准方法的定量比较：准确性、一致性和时间：在面部上、中部，三种配准方法对 MSCT 和 CBCT 创建的 VP 准确率均达 100%；面部下部，MSCT 和 CBCT 创建的 VP 虽存在一些不准确情况，但三种配准方法间无显著差异 。AI 驱动和 AI 优化的配准一致性最高，SAR 的一致性在 MSCT 下高于 CBCT。AI 驱动和 AI 优化方法的平均配准时间和总时间显著短于 SAR，且 MSCT 的总时间比 CBCT 短 。
• MSCT 和 CBCT 软组织对配准的影响：AI 驱动和 SAR 配准的 FS 与 MSCT、CBCT 表面渲染的平均表面距离无显著差异 。在面部不同区域，除 CBCT 采用 SAR 方法时的下部区域外，其他区域的表面距离差异不显著 。整体上，MSCT 与表面渲染的平均距离小于 CBCT，AI 驱动配准的 FS 与表面渲染的距离小于 SAR 。
  研究结论和讨论部分表明，AI 在 VP 创建中表现出色，在准确性、一致性和时间效率方面均具有优势，可作为创建 VP 的可行替代方法 。尽管在面部下部，尤其是 CBCT 创建的 VP 存在更多不准确情况，但差异不显著 。在软组织配准方面，重力对其影响不明显，AI 能有效减少配准变异性 。不过，该研究样本量有限且非同质，未来需更大样本量进一步研究 。总体而言，这项研究为临床医生将 VP 无缝融入日常实践提供了创新解决方案，AI 驱动的 VP 构建方法有望推动牙科医疗向精准化、个性化发展，提升牙科教育水平，改善患者沟通和满意度 。