人工智能在牙科领域的未来

我们中的一些人还记得威尔·罗宾逊在20世纪60年代的《迷失太空》系列中忠实的机器人朋友。其他人将把智能自动机器人的科幻愿景追溯至《终结者》(Terminator)系列电影中天网(Skynet)的自我意识和人性开启的那一天。

人工智能(AI)一词和科学界对智能机器的官方追求实际上可以追溯到1956年达特茅斯和IBM的研究人员会议。

如今的人工智能正在入侵我们的日常生活，尽管是以更微妙的方式，比如Alexa和Siri这样的数字助手。现在，牙科领域的人工智能已经出现了!

对牙医来说很容易，对哈尔来说很难

把我们作为牙医的日常工作视为例行公事，而且相对简单：用x光检查龋齿。事实上，在这样做的过程中，我们正在“处理”与病人的对话、病人的病史、复杂而细致的放射影像，以及我们直接的口腔内检查。我们也在利用我们的培训，包括我们的牙科教育，并在实践中阅读了数千年的放射学。即便如此，据估计，x光对龋齿的误诊率可能高达20%或更高。

要让机器执行诸如读取放射图像等任务，必须对庞大的数据集进行“训练”，以识别有意义的模式。他们必须能够理解新的信息的形式，口语，书面文本，或图像，有适当的上下文和细微的差别。最后，他们必须能够针对新的信息做出明智的决定，然后从错误中吸取教训，以改进决策过程。为了让人工智能系统在现实世界中有实际的好处，所有这一切都必须在人类完成同样任务的同时发生。直到最近，大规模应用人工智能在技术上还不可行，成本效益也不高，所以人工智能的现实还没有与可能性相匹配。

不管技术上的挑战是什么，机器确实提供了一些明显的优势。电脑没有偏见。作为人类，我们天生就有偏见，我们可能会过早地做出判断。计算机只考虑所提供的数据。机器也不会累。我们可以连续工作4到5个小时才会感到疲劳;机器每天24小时工作，没有休息时间。另一个优点是机器不会感到无聊。我们乐意卸下的任务是单调重复的。最后,机器快。虽然目前的人工智能系统主要是基于训练和编程的特定任务(例如，阅读放射图像并预测龋齿的位置)，但它们通常比人类快得多。

机器的崛起

过去的五年标志着人工智能的现代进化，人工智能正以巨大的宣传和投资被引入。大数据和云计算已经为训练智能系统所需的大型数据集提供了现成的访问权限。所有这些数据都需要大量的存储，这不仅变得便宜，而且在数据检索方面也变得很快。

《纽约时报》科技专栏作家约翰·马可夫(John Markoff)报道了2011年一个名为谷歌Brain的项目取得的另一项突破。该项目利用“深度学习”的方法，从1000万段YouTube视频图像中提取意义。具有讽刺意味的是，谷歌大脑一旦自由上网，就会像人类大脑一样，每天都在搜索(并成功地找到)猫。令人惊讶的是，科学家从未告诉过这台机器:“这是一只猫。”通过深度学习，谷歌大脑为基于图像识别的猫创建了一个抽象的结构。

深度学习(Deep learning)是人工智能领域中最尖端的技术，被称为机器学习(machine learning)。传统的机器学习技术依赖于人工制定的由人类领域专家定义的规则，并不能通过更大的数据集进行改进。深度学习创建了自己的规则，通过附加数据加以改进，使其非常适合解释高级应用所需的非结构化数据，如自动驾驶汽车、预测地震、疾病检测、以及医学诊断和治疗建议。事实上，牙医现在已经有了一个深入学习的人工智能平台来检测龋齿。牙医。人工智能，在临床评估的后期阶段，允许任何有执照的牙医注册成为调查员并使用该系统。

在谷歌脑项目的时候，深度学习的唯一障碍是它需要巨大的计算资源。要在互联网上找到猫，需要在气候控制的数据中心安置2,000个cpu。在这个被称为人工智能大爆炸的时刻，研究人员用12个NVIDIA图形处理单元(gpu)计算出了这2000个cpu的深度学习能力。事实证明，支持当今超现实电脑游戏的图形芯片也提供了速度和处理能力，以推动人工智能系统的革命。(另一个副作用是，游戏玩家对订单积压和短缺感到沮丧，因为业界抢购了英伟达的芯片供应，该芯片也被用于挖掘加密货币)。

人工智能在牙科领域

总的来说，医疗保健是人工智能应用的一个非常自然的客户。在2011年征服电视游戏节目《危险边缘》(Jeopardy)之后，IBM的沃森(Watson)开始了医学的第二职业。纽约纪念斯隆凯特琳癌症中心的肿瘤学家最近训练沃森帮助对抗癌症。虽然程序还处于早期阶段，但是机器已经非常出色地完成了非常具体、单调和时间密集型的任务。例如，沃森可以在15秒内阅读50万篇医学研究论文，通过深入学习，可以推荐诊断和最有希望的治疗方案。

由于能够分析大量的诊断图像，如x射线、CT扫描和核磁共振成像，这样的系统可以将医生和放射科医生指向最可能引起关注的领域，提高检测的速度和概率。现在，随着美国食品和药物管理局(FDA)创建监管路径，鼓励医疗决策支持软件的开发人员，分析人士预计，未来5年，人工智能在医疗领域的应用将增长10倍。

如前所述，牙科。人工智能团队有一个在临床评估的最后阶段进行龋病检测的平台。两年前就开始了积极的发展，工程师们很快就认识到，教计算机即使是临床牙科的这一单一维度也不容易。然而，在为牙科手术提供临床相关的预测助手方面已经取得了重大进展。

在最近发表的一项研究中，他们提出了一项人类与机器龋检测挑战的结果，这一挑战将三名执业牙医与牙科相竞争。AI评估500个bitewing。这台机器在“灵敏度”方面比牙医更胜一筹，它衡量的是准确预测出的龋齿的比例，而在实际情况中，龋病的总数是真实存在的。尽管这台机器的精确度可以与三位牙医中的一位相媲美，但牙医还是以“精准度”(正确预测与预测龋病总数之比)获得了冠军。让我们暂时把它称为平局，尽管系统继续学习和改进。在未来的12到24个月里，可能会出现一种基于深度学习人工智能的可靠的龋齿检测工具。

用于检测牙周病和伴随牙周疾病的骨质流失的应用并不遥远。

随着CBCT的不断采用，解释锥束图像是人工智能提高生产率的另一个领域。在这一点上，分析锥束数据需要特定的培训和专业知识。这种分析可能很耗时，需要筛选数百个图像片段。通过人工智能，整个解释过程可以被自动化来评估整个图像，以更快更准确地检测出牙齿病变。显然，人工智能在牙科领域的应用将在未来一两年内迅速普及。在未来10到15年，在实践中使用基于人工智能的技术将像今天的实践管理和成像系统一样普遍和普遍。

下一个前线

随着技术障碍的降低和研究转向发展，我们肯定已经接近为牙科提供一系列人工智能工具的门槛。我们已经看到最近的产品介绍中加入了人工智能和机器学习的元素(AI/ML)。DEXVoice在芝加哥仲冬会议上发布，是一种由自然语言处理(NLP)支持的令人惊叹的技术。由DEXIS公司与Simplifeye公司共同开发的数字助手用简单而快速的语音指令(“给我看最后一张全口x光片”)取代了传统的点对点的界面。最近还宣布了一个基于机器学习的日程优化项目，叫做MMG主席填充。该项目与您的实践管理和营销系统接口，以积极安排未完成的治疗，并启动新的基于利润最大化算法的患者营销活动。我们将继续看到人工智能在实践管理和增长领域得到迅速应用。

凭借深度学习技术的最新能力，人工智能将开始在临床水平上影响牙科。开发阶段技术的第一手经验(例如)已经在日常实践中证明了人工智能的潜在价值。我们已经证实，这些工具可以识别图像上的东西，即使是最有经验的牙医也可能会错过。此外，我们已经看到结果在接近实时的情况下返回，速度足够快，可以融入到繁忙的实践工作流程中。

在不久的将来，我们可以预见深度学习分析工具的图像，协助诊断和治疗牙周病，使早期发现骨质流失和骨密度的变化。对种植体牙周炎的检测和早期干预是种植体牙科学的一个可能的好处。在牙齿矫正中，更复杂的牙齿运动预测模型可能会加强数字化治疗计划。将深度学习图像分析应用于口腔癌将导致更早的发现和更准确的诊断，并具有挽救生命的意义。

世界末日般的科幻幻想——这些机器和系统将取代我们成为牙医——远非现实。然而，可以肯定的是，他们将很快为我们的临床决策提供更多的数据点，从而使我们成为更好的牙医。

对于技术爱好者来说，我们的建议是系好安全带——前方有一段不可思议的旅程!

这里读到人工智能在牙科领域的重要性。

我们希望你喜欢这篇文章。