Exploration and clinical application of the "digital and intelligent surgery" diagnosis and treatment workflow for oral and maxillofacial tumors

  • Wen DU ,
  • Wenbo ZHANG ,
  • Yao YU ,
  • Shuo LIU ,
  • Huiyu SU ,
  • Leihao HU ,
  • Zunan TANG ,
  • Binzhang WU ,
  • Zhen CHEN ,
  • Jiaqi LI ,
  • Hao WANG ,
  • Xin PENG , *
Expand
  • Department of Oral and Maxillofacial Surgery, Peking University School and Hospital of Stomatology & National Center for Stomatology & National Clinical Research Center for Oral Diseases & National Engineering Research Center of Oral Biomaterials and Digital Medical Devices & Beijing Key Laboratory of Digital Stomatology, Beijing, 100081, China
PENG Xin, e-mail,

Received date: 2025-12-28

  Online published: 2026-01-28

Supported by

the National Key Research and Development Program of China(2022YFC2402100)

Capital' s Funds for Health Improvement and Research(2024-1-4101)

Beijing Natural Science Foundation-Haidian Original Innovation Joint Fund / Key Research Project(L242031)

Beijing Municipal Health Commission Research Ward Excellence Clinical Research Program Project(BRWEP2024W194100104)

Beijing Natural Science Foundation-Haidian Original Innovation Joint Fund Project(L232143)

Clinical Research Foundation of Peking University School and Hospital of Stomatology(PKUSS-2024CRF101)

Clinical Research Foundation of Peking University School and Hospital of Stomatology(PKUSS-2024CRF104)

Copyright

All rights reserved. Unauthorized reproduction is prohibited.

Abstract

Tumors in the oral and maxillofacial region present significant clinical challenges due to anatomical complexity and high individual variability, with the traditional experience-dependent model often lacking three-dimensional visualization, precise intraoperative navigation, and quantitative postoperative assessment. This article comprehensively reviews over a decade of research and clinical advances in "digital and intelligent surgery" developed by our team at Peking University School and Hospital of Stomatology, systematically documenting its transformative impact on tumor management. In digital surgery, we have established multimodal image fusion techniques integrating CT, MRI, and PET/CT to achieve detailed three-dimensional preoperative visualization, enabling accurate delineation of tumor boundaries and relationships with critical anatomical structures, such as nerves and vessels. We further developed personalized surgical planning methods including virtual design for jaw reconstruction using vascularized fibula or iliac crest flaps, computer-aided pre-forming of orbital titanium mesh, 3D-printed patient- specific plates manufactured via electron beam melting, soft-tissue flap simulation and volumetric planning for the anterolateral thigh flap, and implant-guided rehabilitation for complex maxillary defects. For surgical execution, navigation systems and mixed reality technologies have been implemented to enable accurate tumor resection, osteotomy guidance, and precise positioning of reconstructed bone segments, thereby enhancing surgical accuracy and safety while reducing operative time. In parallel, artificial intelligence has been integrated to enhance diagnostic and planning efficiency through deep learning-based tumor segmentation and classification from enhanced CT and MRI, automated reconstruction planning based on shape completion and morphometric descriptors, postoperative facial contour prediction using surface mesh deformation models, and machine learning-driven prognostic modeling for salivary gland malignancies based on clinicopathological data. The synergistic integration of these digital and intelligent technologies, collectively termed "digital and intelligent surgery", has shifted clinical practice from an experience-driven to a data-driven paradigm, significantly improving precision, safety, and efficiency while enabling truly personalized treatment pathways. This review also identifies current limitations such as the need for further automation in soft-tissue simulation and broader clinical validation of AI tools, and outlines future directions including the development of integrated surgical platforms and real-time adaptive planning systems, emphasizing the role of intelligent surgical systems in shaping the next generation of oral and maxillofacial oncology care toward more predictive, preventive, and patient-centered outcomes.

Cite this article

Wen DU , Wenbo ZHANG , Yao YU , Shuo LIU , Huiyu SU , Leihao HU , Zunan TANG , Binzhang WU , Zhen CHEN , Jiaqi LI , Hao WANG , Xin PENG . Exploration and clinical application of the "digital and intelligent surgery" diagnosis and treatment workflow for oral and maxillofacial tumors[J]. Journal of Peking University(Health Sciences), 2026 , 58(2) : 278 -284 . DOI: 10.19723/j.issn.1671-167X.2026.02.009

口腔颌面部肿瘤是口腔颌面外科的常见疾病,其诊疗工作具有重要的临床和社会意义。口腔颌面部是呼吸、吞咽、言语、表情及美观的核心区域,肿瘤若未及时诊治或诊治不当可能导致诸如咀嚼困难、言语不清、呼吸困难等功能障碍[1]。同时,肿瘤进展或手术可能造成面部畸形,严重影响患者心理健康和社会交往,降低患者的生存质量。
当前,口腔颌面外科领域的主流诊疗模式仍沿袭传统的经验依赖型外科诊疗模式,该模式主要基于解剖、影像资料,由临床医师凭借专业知识和临床经验进行综合分析后制定治疗方案,并通过术者的手术技巧实施治疗。然而,这种传统模式存在一定的局限性:首先,在术前规划阶段缺乏三维可视化展示和个性化方案设计;其次,手术实施过程中缺少精准的导航定位系统支持定量操作;最后,在术后评估环节也缺乏个性化的预后评价和长期随访机制。这些缺陷导致难以针对每一位患者制定个性化的治疗方案,整个诊疗过程存在较大的主观性和不确定性,最终治疗效果难以保证。
为解决以上问题,本课题组自2010年以来,深度探索应用数字化外科工具辅助口腔颌面部肿瘤的诊治及缺损重建的相关技术,系统地将数字化外科导航系统、混合现实技术应用于口腔颌面部肿瘤的治疗工作中,并进行了相关研究,取得了丰硕成果。近年来,在智能化浪潮席卷行业的大背景下,本课题组从口腔颌面部肿瘤诊断、手术规划、预后及疗效评价等多个临床应用场景入手,探索“数智融合”背景下的口腔颌面外科肿瘤诊治的新模式,构建基于“数智化“的诊疗体系,现将相关的主要成果进行总结。

1 数字化外科技术在口腔颌面部肿瘤诊疗中的应用

口腔颌面部解剖结构错综复杂,密布着众多维系生命活动和生理功能的关键解剖结构。颌面部肿瘤常常位置深在周围毗邻重要的血管、神经以及其他功能性结构,口腔颌面部肿瘤早期临床表现常呈隐匿性,特别是恶性肿瘤和复发性肿瘤往往缺乏特异性症状。由于解剖结构的复杂性和肿瘤的生长特点,单纯依靠临床检查往往难以准确评估肿瘤的具体位置、实际范围及浸润边界。传统影像检查虽能通过多平面成像显示肿瘤范围及毗邻关系,但其二维图像不能直观呈现三维解剖结构。术者需依赖经验建立立体关系,该过程主要凭主观判断,影响了诊疗的精确性。本课题组自2010年起,在大量口腔颌面部肿瘤患者诊治实践的基础上,引入并探索利用数字化技术辅助的诊疗效果,通过大量的研究成果证实了数字化外科技术在口腔颌面部肿瘤诊疗中的优势。

1.1 术前术中三维可视化重要解剖结构,提高手术安全性

术前和术中对肿瘤范围和周围重要结构关系的准确判断是决定手术成功的关键,直观的三维影像有助于医生进行手术设计并实施精确的肿瘤切除术。受限于计算机技术的发展,早期的研究主要聚焦通过手工描记的方式,将电子计算机断层扫描(computed tomography, CT)或磁共振成像(magnetic resonance imaging, MRI)等影像中的肿瘤范围和关键解剖结构进行标注,进而通过图像渲染,生成三维可视化的解剖模型,供临床医生直观参考[2],判断肿瘤的三维位置以及与周围结构的位置关系,帮助临床医生更精确地确定切除肿瘤所需的安全边界,提示手术中所需要注意的重要解剖结构位置,可以在术前清晰直观地帮助医生与患者进行沟通交流。
但临床上不同类型影像检查各有特点,对于部分类型的肿瘤,尤其是恶性肿瘤,单一的影像检查模态有时无法满足临床需要,需要不同模态数据优势互补。针对这一问题,本课题组开展了应用包括增强CT、MRI和正电子发射断层扫描/计算机断层扫描(positron emission tomography/computed tomography, PET/CT)等多模态数据融合临床应用研究,证明了多模态融合技术可以准确判断肿瘤的边界,有效辅助复杂口腔颌面部肿瘤的诊疗[3]。本课题组的另一项涉及多模态数据融合的研究提出了一种优化后的口腔颌面部肿瘤多模态图像融合精度评估方法,通过比较3种融合算法,发现自动融合和基于配准点的融合精度显著优于手动融合,证明了针对口腔颌面外科的商品化软件的部分自动化功能可以达到比手工处理数据更佳的效果[4],从而证实了“数智化外科”是学科未来的发展趋势。

1.2 术前设计个性化手术方案,提高手术效率

利用三维标记技术获得肿瘤的三维图像后,临床医生可以根据肿瘤及其与周围组织的三维位置关系,结合肿瘤的性质与病理学行为,指导精确的手术切除。而对于肿瘤范围较大或涉及大范围骨组织缺损的病例,除了确定肿瘤切除所需的安全边界模拟最佳的截骨位置外,还需要根据缺损情况设计精确的重建方案,本课题组在这方面进行了系统的研究工作。

1.2.1 颌骨缺损重建设计

在传统的游离复合组织瓣重建口腔颌面肿瘤切除后缺损的治疗模式中,骨组织瓣的三维位置通常依靠术者经验决定,而这种“经验依赖”的定位方法通常缺乏足够的精确性和稳定性,导致重建颌骨的三维位置不理想,难以完成后期义齿的修复,恢复咬合功能。利用数字化技术,临床医生可以在术前实现对腓骨、髂骨等供区骨组织的的虚拟定位设计[5]。以患者供骨区的螺旋CT数据为基础,利用数字化软件完成虚拟的骨组织瓣截骨和三维空间位置调整,恢复缺损颌骨的连续性,从而恢复颌骨形态,重建牙槽突的三维形态,为后期义齿修复提供基础[6]

1.2.2 术前钛网预成形

涉及眶底的口腔颌面部肿瘤相较于颌面其他部位的肿瘤有一定特殊性,手术切除后需要进行精准的眶底重建,避免眼球移位导致的相关功能障碍。以往临床上会选择眶底重建专用的钛网或普通钛网在术中根据缺损范围现场进行塑形,该过程会延长手术时间,并且由于术中视野暴露不佳等问题,钛网塑形的效果难以准确验证,主要依赖医生经验。本课题组在数字化三维模拟眶底缺损的基础上,结合3D打印技术,在术前先数字化模拟手术切除方案,并将缺损的颌骨使用3D打印方法制作成与真实颌骨等比例的缺损模型,并由临床医生手工进行钛网塑形[7]。本课题组的研究证实,这种技术能让医生在术前获得准确、个性化的钛网形态,可以缩短手术时间,同时能够在设计阶段参考患者术前的颌骨形态,提供更准确的重建效果,更好地恢复颌面部形态和功能[8]

1.2.3 3D打印钛板

颌骨缺损重建除了要恢复外形的连续性,更重要的是需要恢复足够的强度,为口颌系统正常行使各项功能提供解剖基础。因此,血管化的游离复合组织瓣,是现阶段重建颌骨的最佳方式。目前临床上主要采用商品化的钛板等植入物固定颌骨和游离骨组织瓣,辅助颌骨重建。该过程需要在术中花费较多时间进行钛板的塑形,塑形钛板的过程也依赖医生经验,不当的塑形可能导致继发的外形和功能障碍。基于此问题,本课题组在数字化外科设计手术方案的基础上,以Ti-6Al-4V为原料,采用电子束熔融技术,3D打印个性化颌骨重建板。本课题组在先期研究中针对3D打印材料的理化特性和生物学相容性进行了研究,并将其物理特性与商品化的颌骨重建板进行比较,结果显示3D打印的颌骨重建板比商品化重建板具有更优的机械性能[9]。随后,本课题组设计了前瞻性对照实验,对3D打印颌骨重建板应用于下颌骨重建的效果进行了评价,结果显示3D打印的个性化颌骨重建板可以安全、有效地应用于下颌骨重建,简化了手术程序,缩短了术前准备时间,提高了个体化下颌骨重建的临床效果和准确性[10]

1.2.4 软组织缺损重建设计

与颌骨这类硬组织的物理特性不同,皮肤、肌肉和脂肪等软组织的延展性和可压缩性导致现阶段数字化外科技术很难对其进行精确的模拟,而临床工作又需要对游离组织瓣进行数字化定量模拟和效果预测,相关研究的开展存在很大挑战。股前外侧皮瓣是临床上最常用于修复颌面部软组织缺损的组织瓣,精确的皮瓣修复可以良好地恢复颌面部的外形和功能,而过多或过少的组织量可能会导致口咽通道阻塞或钛网暴露等问题的发生。本课题组采用数字化技术对股前外侧皮瓣进行术前虚拟设计,并证实其具有良好的可行性和一定的精确性,可用于指导术中制备股前外侧皮瓣[11]。在此基础上,本课题组针对临床上股前外侧皮瓣修复术后体积易发生变化的特点,开展长期随访,并采用数字化外科技术对这类患者定量评价,发现股前外侧皮瓣体积缩小主要发生在术后6个月内,术后放疗和低体重指数是体积缩小的危险因素。初次手术应“过度”矫正,以对抗股前外侧皮瓣的收缩[12],该量化评价方法得出的结论对临床手术方案的选择有重要指导意义。

1.2.5 种植修复设计

上颌骨Brown Ⅲ类缺损的功能性修复是口腔颌面外科领域一项极具挑战性的工作,传统游离骨瓣重建技术存在需多次手术、患者创伤较大等局限性。本课题组针对该问题提出一种计算机辅助下一期手术完成肿瘤切除与功能重建的新方法,术前采用虚拟手术规划模拟肿瘤切除范围、钛网塑形及颧种植体植入路径,设计预成型个性化钛网重建眶底、穿颧种植体,以及血管化股前外侧皮瓣实现缺损修复,术后皮瓣存活无并发症,术后随访显示肿瘤无复发,种植体骨结合良好,面部美学与咀嚼功能满意[13]

1.3 术中引导精确定位,提升手术精度

通过数字化软件将真实的患者CT、MRI等扫描数据转换为计算机中的虚拟患者并进行手术模拟是数字化外科应用于临床的第一步,但手术过程需要由医生在真实世界实施,在制定完善的模拟手术方案后,如何准确地将虚拟手术方案转移到真实世界是另一个需要解决的问题,目前临床上常用的技术包括手术导板、术中导航、混合现实和增强现实等,主要应用的目标是辅助确定截骨位置和定位颌骨重建的关键位置,以上这些技术是连接虚拟设计与现实操作的桥梁与媒介。本课题组在该应用方向开展了大量研究,也取得了一些成果[14-15]

1.3.1 导航定位技术的应用

术中导航技术最早被应用于神经外科,近20年来在口腔颌面外科手术中也得到了越来越广泛的应用。由于不同部位的解剖特点和不同专业的需求不尽相同,口腔颌面肿瘤术中使用导航也有其特点。下颌骨呈马蹄形,由水平的下颌体和垂直的下颌支构成,是面部唯一可活动的骨骼,因此,在常规手术中精确的下颌骨三维重建很难实现。针对以上问题,本课题组开展临床研究,通过数字化辅助设计和术中导航来改善手术效果。研究结果提示,数字化辅助手术方案设计能够指导下颌角的重塑以及髁突的定位,数字化辅助设计与手术导航技术能够提高重建的准确性,且不会延长手术时间[16-17]。由于上颌骨及面中解剖结构的复杂性, 使得上颌骨缺损的修复与重建一直是临床医生面临的难题,随着数字化外科技术的发展, 本课题组在数字化外科技术对上颌骨肿瘤的诊治及缺损重建中的应用进行了系统的探索,其中也包括对比应用数字化设计联合导航技术和常规手术方式的临床效果,结果证实了导航辅助上颌骨肿瘤切除和重建的优越性[18]。骨纤维异常增殖症是严重影响面部外形的良性疾病,本课题组开展相关研究,旨在评估并比较在使用虚拟规划和手术导航进行颧上颌骨纤维异常增殖症的骨轮廓手术与外科医生在术中根据经验进行手术治疗效果的准确性,结果显示虚拟规划和手术导航能够显著提高颌骨轮廓修整手术的效果和患者满意度[19]

1.3.2 混合现实技术的应用

尽管手术导航提供了实时的视觉反馈,并极大地促进了虚拟手术计划的实施,但也存在一些局限性,即三维实体的显示仍然是二维的,将图像准确投射到手术区域仍依赖于外科医生的经验和想象力。混合现实是一种新兴的全息技术,它结合了虚拟现实和增强现实的优点,通过图像处理和数学计算生成并投射实时的三维全息图,用户可以与之进行交互。准确的切除是肿瘤治愈的前提,借助混合现实技术,可以在手术区域投射出三维全息图,配合手术导航技术可以安全且准确地切除位于口腔颌面部的肿瘤,本课题组应用该技术评估了其在口腔和颌面部肿瘤手术中的可行性和准确性。本课题组针对常见的口腔颌面部肿瘤[20]、传统临床上定位困难的微小肿瘤[21]和与面神经关系密切的腮腺肿瘤[22]等临床场景,开展了系列研究,结果证实,混合现实技术与导航技术相结合,两种技术优势互补,在口腔颌面部肿瘤切除术中安全有效。

1.4 术后量化评估手术效果,提升治疗水平

数字化外科可以将现实世界的实体数字化,从而在计算机中进行定量的操作,除了能在术前进行手术方案设计,术中进行导航定位外,还能在术后进行多角度的定量评价以及时发现手术存在的问题,总结手术经验,优化手术细节,持续提升治疗水平。本课题组开展了大量基于数字化外科技术的术后定量评价研究。
在数字化外科和导航辅助的手术中,外科医生最关心的是相比传统手术方式,新的方法在手术效果上到底有什么优势,相关的研究也开展的最多,量化的结果均证实了数字化外科模式能够提升手术的精度和最终的治疗效果,且手术越复杂,采用该技术获得的收益越大[5-6]
除了对骨组织实施手术的精度的研究,本课题组还对肿瘤切除及重建术后口腔颌面部软组织变化情况进行定量评估,希望能发现软组织在术后的变化规律以指导手术方案设计。手术切除和重建颌骨会导致颌骨周围附着的咀嚼肌发生变化,本课题组回顾了游离腓骨瓣重建下颌髁突术后咀嚼肌的三维附着形态学特征,并量化其体积变化,测量的结果显示术后咀嚼肌体积出现了减少,推测可能是由于肌肉重新附着和术后缺少咀嚼功能刺激所导致[23]。而在另一项研究中,发现游离腓骨瓣重建髁突术后,新髁骨生长的三维形态变化受咀嚼肌群牵拉会在术后发生改建,说明术中缝合定位咀嚼肌附着位置有一定临床意义[24]
此外,游离组织瓣修复颌面部缺损可能导致上气道结构发生变化,进而导致气道功能障碍,本课题组采用数字化外科方式,对不同类型的游离组织瓣重建术后气道变化情况开展了长期随访研究,发现在采用游离腓骨瓣良好恢复下颌骨形态的情况下,气道在术后较长时间段中发生阻塞的可能性较小[25]。股前外侧皮瓣修复后对气道的长期影响较小,但短期可能导致气道狭窄[26]

2 口腔颌面部肿瘤智能化诊疗的探索

数字化技术在口腔颌面外科诊断和治疗中的应用,极大地促进了学科发展,已经取得了不少成果,但目前数字化外科技术的应用场景还有一定的局限性,同时存在人工操作流程繁杂、重复性劳动比例高、耗时长等问题。
近年来,随着数字化技术的快速发展和人工智能的深度融合,“数智化”转型已成为口腔颌面外科领域的重要发展趋势。本课题组立足学科前沿,率先开展了数字化与智能化技术在口腔颌面部肿瘤诊疗全流程中的应用研究,在疾病诊断、精准治疗及预后评估等关键环节取得了突破性进展,为推进口腔颌面外科的智能化发展提供了重要实践基础。

2.1 肿瘤影像识别分割,提升诊断效率及准确性

术前对口腔颌面部肿瘤范围准确识别和对其良恶性质进行判断对于治疗决策至关重要。增强CT常用于肿瘤诊断,但早期恶性肿瘤可能缺乏明显特征,给分类带来挑战。深度学习的最新进展在这一领域显示出潜力,但通常需要大量数据集,且可能无法充分捕捉肿瘤的复杂特性。为解决这些局限性,本课题组提出了一种多视角学习框架,用于基于增强CT图像对腮腺肿瘤进行分割和分类。这种方法增加了有限的CT数据,减少了过拟合,并从多个角度捕捉了肿瘤的详细特征,在患者真实数据集中进行的实验展示出该方法具有优越的性能。
由于口腔颌面部肿瘤的组织学来源多样,单一模态的数据经常不能够充分展示肿瘤的边界和特征,可能需要进行多种模态的影像检查辅助诊断,对于多模态数据目前临床主要采用数字化软件进行融合,需要较多时间处理和检查融合效果。基于以上问题,本课题组开展了基于深度学习的CT和MRI融合及分割策略在口腔颌面肿瘤手术规划中的准确性研究,训练的深度学习模型,能够实现智能化的CT、MRI多模态图像融合及口腔颌面肿瘤分割,并且具有很高的准确度[27-28]

2.2 辅助手术方案规划,提升术前准备效率

血管化游离腓骨皮瓣是修复下颌骨缺损的常用方法,虽然数字化外科技术已经能够在计算机中虚拟设计颌骨的截骨及腓骨分段来重建颌骨,且能很好地指导手术实施,但目前该过程主要由医生在术前手工进行,一方面设计手术方案非常依赖医生临床经验,实现令人满意的面部美学和恢复下颌骨功能方面存在挑战,另一方面该过程需要在术前花费较多的时间进行设计,增加了临床医生负担。“数智化”融合是未来口腔颌面部肿瘤治疗的发展趋势,目前已经有学者在这方面进行了探索,上海第九人民医院研究团队针对大范围颌骨重建方案设计的问题,提出基于颌骨特征点的机器学习算法来辅助上颌和下颌骨缺损患者的复杂颌骨重建,结果显示该方法具有较高的临床应用潜力,能够为大规模颌骨缺损重建方案的设计提供参考[29]。但上述方法还存在一定局限性,计算机仅能提供几个关键点供参考,真正的的三维设计还需要由医生在数字化软件中完成,为了解决该问题, 该研究团队提出了一种用于血管化游离腓骨瓣重建下颌骨的自动化术前规划系统,该框架基于下颌骨缺损形状补全和描述腓骨形态规划,能够实现自动化术前规划,且规划效果优于经验丰富的临床医生使用现有方法的规划结果[30]

2.3 手术效果智能预测与疗效评价,方便医患沟通优化手术方案

颌骨作为颌面部结构的基石,兼具美学与功能性,其缺损可能严重影响患者外貌及生理功能,导致生存质量下降。随着医学模式向生物-心理-社会模式转变,修复重建的目标不仅是解剖恢复,更需关注患者心理与社会适应性。术后面型预测对优化手术方案、术前医患沟通及患者信心建立至关重要,成为口腔颌面外科亟待解决的关键问题。本课题组针对下颌骨缺损患者术后面部轮廓预测,提出一种基于表面网格理论与深度学习技术的新型预测模型,以解决现有方法无法保留几何特征且缺乏可解释性的局限性,该模型为口腔颌面外科术前规划提供了创新工具,在下颌骨重建术后面部轮廓预测精度上取得重大突破,实验结果显示预测准确率较传统机器学习方法实现显著提升[31]

2.4 预测肿瘤预后指导个性化治疗随访方案

口腔颌面部恶性肿瘤的治疗效果和患者生存预后受多种因素影响,包括肿瘤分期、病理类型、治疗方式及患者个体差异等。传统预后评估方法主要依赖医生临床经验和统计模型,存在一定局限性。近年来,人工智能技术在医学预后预测领域展现出巨大潜力。本课题组利用既往50余年间积累的1 600余例唾液腺恶性肿瘤患者的临床病理学资料, 通过特征选择方法,确定了预后相关因素与患者生存期的关联,并构建了生存预测模型,取得了良好的预测效果[32]
综上所述,口腔颌面部肿瘤的诊疗,因解剖结构复杂、个体差异大,所以传统“经验依赖型”模式存在较多局限性。随着数字化与智能化技术的深度融合,“数智化外科”已成为该领域的重要发展方向。本文通过系统综述本课题组十余年的研究成果,展示了数字化技术在术前三维可视化、个性化手术设计,术中精准导航,以及术后量化评估中的应用,而人工智能技术的引入进一步优化了肿瘤影像分割、手术方案自动生成、术后面型预测及预后评估,显著提升了诊疗效率和精准性。“数智化外科”通过多模态数据融合、自动化流程和智能分析,实现了从经验驱动到数据驱动的转型,为患者提供了更安全、高效、个性化的诊疗方案。未来,随着技术的持续创新,“数智化外科”必将重塑口腔颌面肿瘤的诊疗新范式。

国家专利: 基于机器学习的预后生存阶段预测方法和系统, 发明专利(ZL202210109421.2), 2022

利益冲突  所有作者均声明不存在利益冲突。

作者贡献声明  杜文:撰写论文;章文博、于尧、刘硕:论文修改与润色;苏惠裕、胡耒豪、唐祖南、吴彬彰、陈震、李家琦、王昊:文献检索及协助文章撰写;彭歆:文章策划,总体把关,审定论文。所有作者均参与论文修改,并对最终文稿进行审读和确认。

1
Nakatsuka T , Harii K , Asato H , et al. Analytic review of 2 372 free flap transfers for head and neck reconstruction following cancer resection[J]. J Reconstr Microsurg, 2003, 19 (6): 363- 368.

DOI

2
章文博, 于尧, 王佃灿, 等. 三维标记技术在上颌骨恶性肿瘤外科治疗中的应用[J]. 中华耳鼻咽喉头颈外科杂志, 2015, 50 (5): 378- 382.

3
Yu Y , Zhang WB , Liu XJ , et al. Three-dimensional image fusion of 18F-fluorodeoxyglucose-positron emission tomography/computed tomography and contrast-enhanced computed tomography for computer-assisted planning of maxillectomy of recurrent maxillary squamous cell carcinoma and defect reconstruction[J]. J Oral Maxillofac Surg, 2017, 75 (6): 1301. e1- 1301. e15.

DOI

4
Hu LH , Zhang WB , Yu Y , et al. Accuracy of multimodal image fusion for oral and maxillofacial tumors: A revised evaluation method and its application[J]. J Cranio Maxillofac Surg, 2020, 48 (8): 741- 750.

DOI

5
Zhang WB , Soh HY , Yu Y , et al. Improved procedure for Brown's Class Ⅲ maxillary reconstruction with composite deep circumflex iliac artery flap using computer-assisted technique[J]. Comput Assist Surg, 2021, 26 (1): 9- 14.

DOI

6
彭歆, 章文博. 数字化外科技术在下颌骨缺损重建中的应用[J]. 口腔疾病防治, 2017, 25 (9): 545- 553.

7
Zhang WB , Mao C , Liu XJ , et al. Outcomes of orbital floor reconstruction after extensive maxillectomy using the computer-assisted fabricated individual titanium mesh technique[J]. J Oral Maxillofac Surg, 2015, 73 (10): 2065. e1- 2065. e15.

DOI

8
Zhang WB , Yu Y , Mao C , et al. Outcomes of zygomatic complex reconstruction with patient-specific titanium mesh using computer-assisted techniques[J]. J Oral Maxillofac Surg, 2019, 77 (9): 1915- 1927.

DOI

9
Wang CF , Yu Y , Bai W , et al. Mechanical properties of three-dimensionally printed titanium plates used in jaw reconstruction: Preliminary study[J]. Int J Oral Maxillofac Surg, 2022, 51 (6): 754- 761.

DOI

10
Zhang WB , Wang CF , Yu Y , et al. Outcome evaluation of three-dimensionally printed patient-specific surgical plates for mandibular reconstruction[J]. Craniomaxillofacial Trauma Reconstr, 2024, 17 (4): NP172- NP181.

DOI

11
王顺吉, 章文博, 于尧, 等. 术前虚拟设计在股前外侧皮瓣修复口腔颌面部缺损中的应用[J]. 北京大学学报(医学版), 2020, 52 (1): 119- 123.

12
Wang SJ , Zhang WB , Yu Y , et al. Factors affecting volume change of anterolateral thigh flap in head and neck defect reconstruction[J]. J Oral Maxillofac Surg, 2020, 78 (11): 2090- 2098.

DOI

13
Lin S , Hu LH , Zhang WB , et al. Single-stage computer-assisted approach for tumour resection and functional restoration of Brown class Ⅲ maxillary defects-titanium mesh and zygomatic implants combined with vascularized anterolateral thigh flap[J]. Int J Oral Maxillofac Surg, 2024, 53 (7): 558- 562.

DOI

14
Zhang W , Peng X , Yu Y , et al. Expert consensus for the treatment algorithm for navigation-assisted reconstruction of maxillofacial deformities[J]. Chin J Dent Res, 2020, 23 (1): 33- 42.

15
中华口腔医学会口腔颌面外科专业委员会. 导航引导颌骨缺损重建技术流程及操作的专家共识[J]. 中华口腔医学杂志, 2019, 54 (5): 8.

16
Yu Y , Zhang WB , Liu XJ , et al. Three-dimensional accuracy of virtual planning and surgical navigation for mandibular reconstruction with free fibula flap[J]. J Oral Maxillofac Surg, 2016, 74 (7): 1503. e1- 1503. e10.

DOI

17
Yu Y , Zhang WB , Liu XJ , et al. Selection of guiding plate combined with surgical navigation for microsurgical mandibular reconstruction[J]. J Craniofacial Surg, 2020, 31 (4): 960- 965.

DOI

18
Zhang WB , Wang Y , Liu XJ , et al. Reconstruction of maxillary defects with free fibula flap assisted by computer techniques[J]. J Cranio Maxillofac Surg, 2015, 43 (5): 630- 636.

DOI

19
Liu S , Zhang WB , Yu Y , et al. Three-dimensional accuracy of bone contouring surgery for zygomaticomaxillary fibrous dysplasia using virtual planning and surgical navigation[J]. J Oral Maxillofac Surg, 2020, 78 (12): 2328- 2338.

DOI

20
Tang ZN , Hu LH , Soh HY , et al. Accuracy of mixed reality combined with surgical navigation assisted oral and maxillofacial tumor resection[J]. Front Oncol, 2022, 11, 715484.

DOI

21
Tang ZN , Hu LH , Yu Y , et al. Mixed reality combined with surgical navigation in resection of micro- and mini-tumors of the parotid gland: A pilot study[J]. Laryngoscope, 2024, 134 (4): 1670- 1678.

DOI

22
Hu LH , Yu Y , Tang ZN , et al. Direct visualization of intraparotid facial nerve assisting in parotid tumor resection[J]. J Cranio Maxillofac Surg, 2024, 52 (5): 659- 665.

DOI

23
Bai S , Yu Y , Zhang WB , et al. Three-dimensional attachment morphometry and volumetric changes of masticatory muscles after free fibular flap reconstruction of the mandibular condyle[J]. J Cranio Maxillofac Surg, 2022, 50 (1): 19- 25.

DOI

24
Yu Y , Soh HY , Bai S , et al. Three-dimensional morphological analysis of neocondyle bone growth after fibula free flap reconstruction[J]. Int J Oral Maxillofac Surg, 2021, 50 (11): 1429- 1434.

DOI

25
Du W , Liu G , Zhang W , et al. A comparative study of three-dimensional airway changes after fibula flap reconstruction for benign and malignant tumours in the anterior mandible[J]. Int J Oral Maxillofac Surg, 2023, 52 (6): 633- 639.

DOI

26
Zhu H , Yu Y , Liu S , et al. Three-dimensional morphological changes in the upper airway after maxillary reconstruction with an anterolateral thigh flap[J]. J Oral Maxillofac Surg, 2024, 82 (12): 1627- 1637.

DOI

27
Wu BZ , Hu LH , Cao SF , et al. Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study[J]. J Stomatol Oral Maxillofac Surg, 2025, 126 (5): 102324.

DOI

28
Chen Z , Yu Y , Liu S , et al. A deep learning and radiomics fusion model based on contrast-enhanced computer tomography improves preoperative identification of cervical lymph node metastasis of oral squamous cell carcinoma[J]. Clin Oral Investig, 2023, 28 (1): 39.

DOI

29
Han J , Liu Z , Zhou Z , et al. Machine learning algorithm based on jaw feature points assist complex maxillary and mandibular reconstruction[J]. J Stomatol Oral Maxillofac Surg, 2023, 124 (1): 101343.

DOI

30
Guo Y , Li C , Yang R , et al. Automated planning of mandible reconstruction with fibula free flap based on shape completion and morphometric descriptors[J]. Med Image Anal, 2025, 102, 103544.

DOI

31
Du W , Wang H , Zhao C , et al. Postoperative facial prediction for mandibular defect based on surface mesh deformation[J]. J Stomatol Oral Maxillofac Surg, 2024, 125 (5): 101973.

DOI

32
Du W , Jia M , Li J , et al. Prognostic prediction model for salivary gland carcinoma based on machine learning[J]. Int J Oral Maxillofac Surg, 2024, 53 (11): 905- 910.

DOI

Outlines

/