北京大学口腔医院正颌外科患者数据库收录了既往患者术前大视野锥形束CT(cone-beam CT，CBCT)数据、手术方案及术后影像资料，真实且具体地反映了不同畸形类型中颌骨移动的复杂性及术后软组织的实际响应。当新患者的软、硬组织条件与数据库中某一病例高度匹配时，其既往成功的手术方案对新患者方案的制定具有重要的参考价值。通过对这些数据进行分类、索引与匹配，可将资深医生的隐性经验转化为可量化、可复用的信息[16]。
前期研究已实现了头颅结构标记，制定了“相似度”判断规则，并开发了相似检索的程序模块等，在此关键技术[17]的基础上，本研究建立了基于历史案例的正颌外科手术方案设计流程，并通过前瞻性随机对照试验评价该流程与传统专家制定正颌外科方案的等效性。
1 资料与方法
1.1 正颌外科患者数据库的建立
北京大学口腔医院正颌外科患者数据库于2023年建立，收纳自2018年起就诊于颌面外科、进行数字化设计且数字资料齐全的牙颌面畸形患者资料，包括术前、手术设计及术后随访资料。信息架构包括患者基本信息、诊断、术前资料(正畸方案、影像学检查、医生查体、心理评估及其他特殊检查)、手术信息(手术方案、工程文件、手术记录等)、术后随访、病例评分(患者自评、医生评价)等，患者信息随时收集、存储、整理。截止至2024年4月，数据库纳入约700例患者，其中包含骨性Ⅲ类错𬌗畸形患者近400例，骨性Ⅱ类错𬌗畸形患者200余例。
1.2 基于数据库相似性检索的正颌外科手术规划流程
基于数据库相似性检索的正颌外科手术规划具体流程如图 1所示。
1.2.1 数据获取及标记
采用CBCT扫描仪(Cefla公司，意大利)采集患者术前颅颌面数据，曝光参数为110 kV，2~3 mA，视野24 cm×19 cm，重建体素精度0.30 mm，图像以DICOM格式储存；采用三维立体摄影扫描仪(3dMD公司，美国)采集三维面部数据，以OBJ格式保存；采用口内扫描仪(先临三维科技股份有限公司，中国)采集口内牙列数据，以STL格式保存。将以上所有数据导入手术设计软件IVSP Image Trial(版本1.0.24.36，微斯普联，中国)进行数据重建、配准及融合，获取头颅模型S0，以STL文件保存，并由医生手动标记47个硬组织标记点[17]，在三维面部图像上利用深度学习模型自动标注25个软组织标记[17]。
1.2.2 相似头颅检索
1.2.3 以既往病例为参考的正颌外科方案设计
于手术设计软件IVSP Image Trial中对头颅模型S0进行虚拟截骨及咬合拼对，生成上下颌骨复合体(maxilla and mandible complex，MMC)；将参考案例的术后头颅模型Sref通过非术区的表面配准重叠配准至S0。以Sref为依据，进行MMC的移动，达到最高匹配程度(图 3)；根据患者实际的露齿情况、上切牙中线情况进行微调，完成术前设计。根据术前设计的颌骨位置，利用计算机辅助设计/加工技术(computer aided design and computer aided manufacture, CAD/CAM)打印中间及终末咬合导板，并实施手术。
1.3 手术规划流程的等效性评价试验设计
本研究是一项前瞻性随机对照单盲研究，旨在对比上述手术规划流程与专家制定方案的术后效果非劣效性。手术方案对患者设盲，不对手术医生设盲；对主、客观评价人员及数据分析人员设盲。
鉴于正颌患者对于容貌结局的关注大于咬合功能客观测量指标，本研究选取自我主观评价效果作为样本量计算依据。具体计算方法如下：根据既往文献报道，患者术后满意度视觉模拟评分法(visual analogue scale，VAS)结果为87.56±15.50，结合临床实践，两组均值相差15分具有临床意义；设定双侧检验水准α=0.05，检验效能(1-β)为90%，两组按1 ∶ 1比例分配，得出试验组与对照组每组所需的最小样本量为24例；预计研究期间脱落率为20%，最终计划每组纳入30例，总计纳入60例患者。
纳入2023年6月至2024年6月在北京大学口腔医院口腔颌面外科接受正颌手术治疗的患者60例(男性19例，女性41例)，根据随机数按入组顺序分别纳入试验组及对照组，每组30例。纳入标准：(1)年龄18~35岁；(2)存在骨性Ⅲ类错𬌗畸形；(3)可通过数据库检索出相似度高的既往案例。排除标准：(1)颅颌面综合征；(2)存在颌骨囊性或实性病变；(3)肿瘤、外伤所致牙颌面畸形；(4)全身存在手术禁忌证；(5)不能配合随访。本研究已通过北京大学口腔医院生物医学伦理委员会批准(批准号：PKUSSIRB-202273035)，每位受试者均在完全理解研究设计后签署知情同意书。
对于纳入临床试验的患者，试验组按照1.2小节中描述的流程进行数据的获取和标记、相似头颅检索与手术设计；对照组按照传统的计算机辅助设计流程完成数据获取后，应用手术设计软件IVSP Image Trial进行头颅重建、虚拟截骨及手术移动模拟，手术设计方案由专家基于患者头影测量结果、面型特点、三维重建头颅模型及患者诉求综合决定；基于手术方案，利用CAD/CAM技术打印中间及终末咬合导板用于手术实施。
为了避免手术实施引入的误差，所有患者的手术实施均由同一位专家完成。
1.4 手术规划流程的效果评价
1.4.1 主观评价
主观评价包括患者自评及医生评价两部分，评价时间点为术后6个月，其中医生评价由5位高年资医生完成，计算其评分的平均分作为最终评分结果。使用VAS评分对整体面容进行美观性评分，评分范围为0~100分，其中0分为非常不满意，100分为非常满意；将患者VAS评分作为主要结局指标。根据正颌患者的面部容貌及手术涉及范围，摘取FACE-Q量表(FACE questionnaire，FACE-Q)评分中相关区域进行组合并用于评分，包括：整体面部状况、鼻孔状况、下面部(下面颊及下颌线)、颏部、下颌下缘，计算其整体评分。
1.4.2 客观评价
客观指标的评价时间点为术后6个月，包括投影测量指标和面部对称性指标。(1)头影测量指标：获取患者术前及术后6个月的头颅定位侧位片，测量患者手术前后的头影测量指标，包括蝶鞍点-鼻根点-上齿槽座点(sella-nasion-A point，SNA)、蝶鞍点-鼻根点-下齿槽座点(sella-nasion-B point，SNB)、上齿槽座点-鼻根点-下齿槽座点(A point-nasion-B point，ANB)角度(图 4)。(2)面部对称性指标：获取患者术后6个月CBCT及三维面相数据，导入手术设计软件IVSP Image Trial，进行数据重建、配准及融合，获取术后头颅模型S1；将术后头颅模型及三维面相通过非手术区域配准至术前头颅模型及三维面相；以同一正中矢状面为参考线将S0、S1及手术前后三维面相做镜面对称，得到镜面颌骨S0’、S1’及其镜像三维面相；选取正颌手术相关区域进行面部对称性评价，其中硬组织区域为Le Fort Ⅰ型截骨线以下的上颌骨区域及全部下颌骨区域，软组织区域为鼻翼基底点及以下区域，按照选定的软、硬组织区域测定矢状面左侧原始图像与镜像图像三维偏差的均方根误差(root mean square error，RMSE)(图 5)，将RMSE均值作为面部对称性评价指标。
1.5 统计学分析
使用SPSS 27.0软件对数据进行统计分析。所有分析均遵循意向性治疗原则，即所有随机化入组的受试者均被纳入其初始分配的组别进行分析。对于失访导致的缺失数据，采用末次观测值结转法进行填补。对观测指标进行描述性分析，计算其均值及标准差；根据数据是否符合正态分布，通过独立样本t检验或非参数检验比较试验组与对照组的差异，分析两组之间差异是否具有统计学意义。设P < 0.05为差异具有统计学意义。
2 结果
2.1 基线数据
60例受试者中有51例完成所有随访(对照组26人，试验组25人)，其中1例(试验组)因治疗方案更改被排除，8例(对照组4例，试验组4例)因异地求学、境外交流、怀孕等原因未于规定时间随访。对于失访导致的缺失数据，采用末次观测值结转法进行填补。表 1列出了试验组与对照组的基线特征及观测指标。试验组和对照组男性患者占比及平均年龄差异无统计学意义(P＞0.05)。术前试验组和对照组患者VAS评分和FACE-Q评分、医生VAS评分和FACE-Q评分的组间差异均无统计学意义(P＞0.05)；术前头影测量结果显示，试验组和对照组患者均呈现骨性Ⅲ类错𬌗畸形特征，且术前SNA角、SNB角、ANB角及RMSE均值组间差异均无统计学意义(P＞0.05)。
表1 试验组与对照组基线特征及观测指标Table 1 Baseline and observation indicators of test group and control group |
| Items | Test group (n=29) | Control group (n=30) | t | P value |
| Male | 11 (37.93) | 8 (26.67) | -0.917 | 0.363 |
| Age/years | 24.41±4.39 | 24.07±3.67 | -0.330 | 0.742 |
| VAS (Patient) | 59.52±22.15 | 56.27±19.63 | -0.597 | 0.553 |
| FACE-Q (Patient) | 62.90±14.63 | 58.93±11.33 | -1.116 | 0.249 |
| VAS (Surgeon) | 59.68±10.60 | 60.05±7.89 | 0.153 | 0.879 |
| FACE-Q (Surgeon) | 53.74±7.77 | 52.64±8.94 | -0.506 | 0.615 |
| Angle SNA/(°) | 80.26±3.70 | 81.95±3.66 | 1.763 | 0.083 |
| Angle SNB/(°) | 84.90±3.94 | 86.67±3.67 | 1.791 | 0.079 |
| Angle ANB/(°) | -4.63±3.31 | -4.72±2.46 | -0.119 | 0.906 |
| Average RMSE/mm | 10.39±5.63 | 8.55±4.95 | -1.138 | 0.186 |
Data are expressed as n(%) or ${\bar x}$±s. VAS, visual analogue scale; FACE-Q, FACE questionnaire; SNA, sella-nasion-A point; SNB, sella-nasion-B point; ANB, A point-nasion-B point; RMSE, root mean square error. |
2.2 术后主观指标结果
表2 术前及术后6个月VAS、FACE-Q评分Table 2 Preoperative and 6-month postoperative VAS and FACE-Q scores |
| Items | Test group (n=29) | Control group (n=30) | |||||||
| Preoperative | 6-month postoperative | t | P | Preoperative | 6-month postoperative | t | P | ||
| VAS (Patient) | 59.52±22.15 | 89.62±8.68 | -8.240 | < 0.001 | 56.27±19.63 | 81.70±15.21 | -5.691 | < 0.001 | |
| FACE-Q (Patient) | 62.90±14.63 | 96.31±12.92 | -10.139 | < 0.001 | 58.93±11.33 | 91.90±15.11 | -10.232 | < 0.001 | |
| VAS (Surgeon) | 59.68±10.60 | 87.86±5.02 | -14.859 | < 0.001 | 60.05±7.89 | 86.75±4.29 | -18.509 | < 0.001 | |
| FACE-Q (Surgeon) | 53.74±7.77 | 92.00±9.85 | -18.619 | < 0.001 | 52.64±8.94 | 91.27±8.00 | -20.674 | < 0.001 | |
All results are presented as ${\bar x}$±s. VAS, visual analogue scale; FACE-Q, FACE questionnaire. |
表3 VAS和FACE-Q评分提升Table 3 Improvement in VAS and FACE-Q scores |
| Items | Test group (n=29) | Control group (n=30) | t | P value |
| ΔVAS (Patient) | 30.10±19.67 | 25.43±24.48 | -0.806 | 0.424 |
| ΔFACE-Q (Patient) | 33.41±17.75 | 32.97±17.65 | -0.097 | 0.923 |
| ΔVAS (Surgeon) | 28.19±10.21 | 26.71±7.90 | -0.623 | 0.535 |
| ΔFACE-Q (Surgeon) | 37.75±11.60 | 38.63±10.23 | 0.062 | 0.951 |
All results are presented as ${\bar x}$±s. VAS, visual analogue scale; FACE-Q, FACE questionnaire. |
2.3 术后客观指标结果
2.3.1 术后头影测量结果
于术后6个月拍摄头颅定位侧位片，测量SNA角、SNB角及ANB角，结果显示试验组和对照组患者均出现术后SNA角增大、SNB角减小、ANB角增大，其骨性Ⅲ类错𬌗畸形特征基本得到改善，恢复至正常值水平，且术后SNA角、SNB角、ANB角在试验组和对照组间差异均无统计学意义(P>0.05，表 4)。
表4 术前和术后6个月试验组及对照组头影测量结果Table 4 Pre- and 6-months postoperative cephalometric values of test group and control group |
| Items | Test group (n=29) | Control group (n=30) | t | P value |
| Preoperative | ||||
| Angle SNA/(°) | 80.26±3.70 | 81.95±3.66 | 1.763 | 0.083 |
| Angle SNB/(°) | 84.90±3.94 | 86.67±3.67 | 1.791 | 0.079 |
| Angle ANB/(°) | -4.63±3.31 | -4.72±2.46 | -0.119 | 0.906 |
| 6-month postoperative | ||||
| Angle SNA/(°) | 84.06±3.73 | 85.23±3.71 | 1.207 | 0.233 |
| Angle SNB/(°) | 81.78±3.63 | 83.51±3.66 | 1.830 | 0.073 |
| Angle ANB/(°) | 2.28±1.09 | 1.72±1.25 | -1.852 | 0.069 |
All results are presented as ${\bar x}$±s. SNA, sella-nasion-A point; SNB, sella-nasion-B point; ANB, A point-nasion-B point. |
2.3.2 术后对称性分析
试验组与对照组患者术后对称性均有所改善，RMSE均值较术前下降，且两组间RMSE均值差异无统计学意义(P>0.05，表 5)。
表5 术前和术后6个月试验组与对照组RMSE均值(mm)Table 5 Pre- and 6-months postoperative average RMSE values (mm) of test group and control group |
| Items | Test group (n=29) | Control group (n=30) | t | P value |
| Preoperative | 10.39±5.63 | 8.55±4.95 | -1.138 | 0.186 |
| 6-month postoperative | 8.35±2.72 | 7.59±3.56 | -0.925 | 0.359 |
All results are presented as ${\bar x}$±s. RMSE, root mean square error. |
3 讨论
随着正颌外科患者对外形需求的日益增加，既往以头影测量和咬合关系为主要参考指标的正颌外科设计方法已不能满足患者的需求，由此也进一步推动了新的治疗理念、手术方式、手术器械和植入材料的发展。作为决定手术效果的一个关键因素，术前设计也在这一理念转变的推动下不断更新和优化。
医学是典型的经验学科，医生经验是医疗实践的核心部分，如何将医生进行正颌外科设计的经验数据化是虚拟手术设计要解决的关键问题。借鉴既往病例的诊疗经验治疗新病例的思路自古有之[18]，但大多局限于笼统的概念、观点、技术等文字描述或图片展示，缺乏一一对应的精准参考。本研究采用寻找既往相似案例，以治疗效果推演设计方案的思路，通过开发相似头颅匹配算法，将既往经验用于新患者的治疗。正颌外科患者数据库是多位专家不同时期的病例总结，因为不同专家的手术方式和审美观念不同，因此，数据库本身即综合了多元化审美和技术偏好。尽管对于头颅匹配的精度已经得到验证，但是基于既往病例的方案是否能够获得新患者的认可尚未可知。因此，本研究通过随机对照研究，以专家主导的数字化方案设计流程作为对照，评价新设计流程与传统方法的非劣效性。
本研究发现，在术后的主观评价指标中，试验组和对照组医生及患者本人对术后面型满意度的VAS评分及FACE-Q评分组间差异均无统计学意义，证实了两者的非劣效性；在客观评价指标中，试验组和对照组患者的SNA角、SNB角和ANB角均由骨性Ⅲ类牙颌面畸形特征恢复至正常值范围，且术后两组间差异无统计学意义，表明两组患者均达到了牙颌面畸形的矫正效果；此外，面部对称性指标亦得到改善，且两组间差异无统计学意义。上述结果说明，主观经验能够被客观的技术所定义及复制，患者数据库的建立为专家经验的传播与复现提供了条件，对于那些缺少经验的年轻医生，可以将其作为一种缩短学习曲线、快速建立经验积累的方法。
本研究所采用的方法与时下热门的深度学习相比，本质上都是对既往经验的总结和参照，但在参照逻辑上有所不同。首先，深度学习是对既往经验的总结，是基于大量数据生成的集体智慧，数据量越大，经验越趋向于普适性，但其个性化程度越弱；而本研究采用的是一对一指导模式，通过在既往病例中寻找最为接近的案例，以其作为参考，从而实现更为个性化的指导需求，其中“接近程度”是影响治疗效果的关键。其次，两个体系对于技术迭代的影响不同，深度学习追求的是对大量数据的计算，且逻辑不得而知，因此数据的质量和数量显著影响技术迭代的结果。
虽然本研究采用的方法可以通过专家经验的复制达到为缺乏经验的年轻医生或基层医生提供帮助的效果，但其也存在一定的局限性。首先，数据库检索高度依赖数据质量与规模[19]，若原始数据存在偏差或代表性不足，将直接影响方案的可靠性；如果将数据库的使用范围从单中心扩展至多中心，很有可能会带来等效性的偏差，但这一偏差并非由技术体系导致，而是既往数据涵盖的治疗经验、理念本身与个别医生的认知偏差；因此，未来应该采用多中心模式建设数据库，以避免单中心经验累积带来的主观偏倚。其次，当前系统尚难以有效整合与量化非结构化的临床信息(如患者的个性化审美需求、心理预期等[20])，对于满足患者的实际临床个性化需求尚有进步空间。再次，本研究样本来源及病种类型仍较为有限，未来需进一步扩大数据规模与多样性，并结合人工智能技术(如机器学习、深度学习)提升算法的泛化与个性化能力，从而更好地服务于临床精准医疗的需求。
综上所述，本研究提出的基于相似病例匹配的手术设计方案可通过一对一的精准参照实现对高年资医生经验的复现与传递，能够为基层医生提供有效辅助，未来的研究将通过建设多中心数据库、扩大样本多样性，并融合人工智能技术，以进一步提升方案的可靠性、泛化能力及临床个性化服务水平。