醫學科普：蛇杖，聖盃與牙刷 從神經到精神：口腔醫學領域中人工智能的應用

這幾年,不知道你有沒有被AI兩個字母給轟炸過 朋友圈,新聞稿,短視頻 甚至是日常生活工作學習的談話 都繞不開它 人工智能彷彿成了新時代的萬能調味料 能寫論文,能畫畫,能陪聊 甚至有人調侃 不會用AI就像出門沒帶手機 可是,你有沒有想過 AI到底能在真正的專業領域乾點什麼 就以UP主現實中的專業口腔醫學爲例 它是不是也能幫助 甚至代替牙醫 洗牙,補牙,拔牙 還是說,它只是新建文件夾裏面的PPT 別急 今天我就帶大家看看 人工智能在牙科領域的具體應用 首先,人工智能 AI本身是一個很大的概念 只要是機器能執行需要人類智能的任務 那它就是AI 而我們現在常用的DeepSeq,GPT 包括口腔醫學的一些模型 主要依靠的是機器執行人類學習的任務 即機器學習 我們人類要學習 得先有輸入 課堂上的知識點 手上的作業題 過去成功或是失敗的經驗 這些都會成爲我們大腦裏的素材 從而幫助我們總結歸納輸出知識 同樣,人工智能的學習任務 也需要數據輸入 纔可能有輸出 這種模擬結構類似人類的神經元 因而被稱爲神經網絡 Neural Network 那麼在醫學領域 怎樣輸入是方便AI學習的呢 最靠譜的輸入 當然是那些客觀、標準化的數據 因爲每個患者的描述都可能天差地別 有人說輕微牙疼 甚至沒有任何感覺 但實際上已經是大面積的蛀牙 有人喊牙齒裂了 最後可能也只是掉了一點牙結石而已 基於個人的主觀感受 實在是差異太大 沒法訓練AI 甚至可能會導致信息污染 誤導AI 所以說絕大多數的牙科人工智能 實際上都需要餵食檢查結果 尤其是影像檢查結果 比如說牙齒的二維X光片 或者CBCT的三維影像 口腔領域目前投入的絕大多數AI 實際上學的都是圖像識別 大家在同一所學校上課 學同樣的課本 就算學習同樣的知識 最終也會考出不同的成績 進行不同領域的應用 同樣的輸入 經過不同的加工 自然會產生不同的結果 這也是爲什麼人工智能模型需要不斷地迭代 就是爲了改進加工中出現的種種問題 正如前文所述 口腔醫學中的人工智能 就像我們家養的寵物一樣 特別依賴於檢查結果 尤其是圖像的頭位 因而加工流程主要聚焦於識別圖像 各種算法往往會通過剪切及濾鏡手段 縮小圖像的分辨率 把一個複雜問題簡化爲許多並行的小問題 再精準捕捉圖像中的特徵 最後將這些特徵復原成牙齒 頜骨或者牙科領域的特殊結構 我們可以理解成逆向版本的老黃DLSS技術 把原來清晰的畫面變得模糊 從而方便AI的計算 當神經網絡完成計算後 就會給出輸出 輸出結果和誤差是衡量AI有效性最重要的指標 也是機器學習的終極大考 最常見的輸出結果 在於識別和診斷 這塊圖像是智齒 那塊圖像是牙周炎骨吸收 判別腫瘤是良性還是惡性 進展到如何階段 更加聰明和經驗豐富的醫生AI 會進一步做出預測和警示 種植牙是否容易鬆動 鎮積治療是否容易復發 腫瘤患者的預後如何 在口腔修復和鎮合鎮積領域 另一些工科技能點滿的AI 會把複雜的照片和CT數據 整合成一個完美復刻患者口腔的3D模型 這種完整復刻的模型 不僅增加了治療的精確度 幫助醫生規劃出適合的方案 也使得患者便於理解正在進行的治療 降低其對於未知治療結果的焦慮 真正良好使用的人工智能 不會讓你意識到這是對神經結構的刻意模仿 也不會到處營銷其存在 而是化不可能爲可能 通過精準且個性化的治療手段 讓每一位醫生患者都感嘆其化腐朽爲神奇 而醫學的發展和進步從來都不只有醫學本身 更依賴於交叉學科的發展和合作 人工智能在口腔醫學中的應用不是畫出來的大餅 也不是單純外包出去的項目 而是在醫師掌握新知識 患者接受新技術 機器迭代新算法下的真正實踐 是口腔醫學與計算機工程 材料技術 以及美學人文等學科交叉研究精神的絕佳註腳 最後還是這個頻道的慣例 聊聊引用的文獻 醫學方面主要採用的是PubMed等平臺找到的論文 前四篇爲綜述性的文獻 介紹了口腔醫學各個子領域中AI的應用 最後一篇爲涉及到新技術的研究性文獻 提出了更大範圍和更集成的AI模型 以提升手術的精確性 不論是歷史或是醫學視頻 我都希望真正能做到言必有出處 言必有作用 感謝各位觀衆朋友的收看 希望大家多多批評指正 多多的關注 多多的支持 謝謝