南京清湛人工智能研究院常务副院长杨磊：以生成式AI破解口腔修复难题，让更多基层患者享优质牙科服务
新华网沈阳9月8日电（吴诗萌）9月7日，由新华网主办的“工业互联网+智慧医疗：生态链协同与高质量发展论坛”在辽宁沈阳举行。作为2025全球工业互联网大会的重要组成部分，本次论坛聚焦工业互联网与AI在医疗领域的应用落地实践，搭建了涵盖政府、科研院所、医疗机构、行业协会、工业互联网企业等多方的交流平台，旨在通过跨领域思想碰撞，解构技术融合难点，探索产业协同模式，为智慧医疗发展注入“工业级”新动能。
期间，南京清湛人工智能研究院常务副院长、清华大学无锡应用技术研究院工业人工智能中心主任杨磊发表题为“基于生成式模型技术的3D牙齿自动生成革命”的主旨演讲。他以牙齿承载的文明意义为切入点，结合真实市场数据、技术迭代历程与一线研发挑战，生动阐述了生成式人工智能如何为口腔修复行业带来变革，直指我国口腔医疗资源分布不均、修复效率低下的核心痛点，提出了兼具技术可行性与医疗实用性的解决方案。
南京清湛人工智能研究院常务副院长杨磊
“AI生成牙齿看似简单，背后却要翻越‘四座大山’。”杨磊结合团队的研发经历，坦诚分享了技术攻坚过程中遇到的核心挑战。第一座是数据挑战，他透露，国内多数AI团队仅掌握数千条牙齿数据，而达到实际可用的单颗牙模型训练就需要2-3万笔数据。第二座是分割挑战，口扫过程为避免患者不适仅需几分钟，无法反复扫描，导致数据常存在误差，而牙齿神经的敏感度远超皮肤，修复精度需达到亚微米级，“一旦分割误差超标，患者佩戴后会非常不适甚至剧痛难忍”。第三座是边缘线挑战，缺牙部位的边缘线既是镶牙基座，也关乎美观，“地包天”“大板牙”等判断更多源于社会美学而非生理功能，不同种族的审美差异更大，用数学模型勾勒这条“动态线”，难度远超静态工程设计。第四座是咬合面挑战，人类牙齿需承受最高达到75公斤的咬合力，咬合面若设计不当，一个仅有几十微米的咬合高点，就足以引起患者的严重不适。AI必须在三维空间中，精确计算出这些微米级的接触点。其次，它必须满足动态咬合的“无碰撞”要求。在咀嚼运动中，修复体不能与对颌牙齿产生任何不正常的碰撞和干扰。AI需要隐式地学习和理解复杂的口腔生理学和运动学规律。“现有技术多考虑静态形态，却忽略了牙齿磨耗、沟窝形态对咀嚼的影响，生成的牙冠常常‘好看不好用’”。
针对这些挑战，杨磊详细介绍了团队研发的端到端解决方案，每个环节都紧扣口腔医疗的实际需求。在牙齿分割环节，团队用几万笔数据开展人工标注，仅6号专家就完成了近万笔3D点云标注，“黄金标注数据是模型精准度的基础”，目前已实现全口牙齿的精准分割；基牙分割环节，通过聚类算法与PTN技术，从28颗牙齿中精准定位缺牙位置，为后续“虚拟生长”新牙提供准确基准；边缘线提取环节，针对缺牙患者常伴随牙龈发炎导致边缘线模糊的问题，团队通过DBSCAN聚类、3D圆形模型初始化与主动轮廓优化，实现了亚毫米级精度提取，抗噪性极强；内外冠重建与牙窝优化环节，内冠沿基牙法向膨胀0.03-0.05毫米，预留出粘接剂空间，外冠采用PCN架构点云补全确保工艺合规，牙窝设计则充分考虑人类咀嚼习惯与年龄对窝沟形态的影响，“让AI生成的牙齿既牢固又好用”。
演讲中，杨磊展示了团队的阶段性成果：目前AI生成的牙冠与专业捏牙师手工制作的产品，在形态精度、咬合适配性上已高度接近，“绝大多数生成牙冠可直接佩戴，效果符合临床要求”。但他也坦诚，团队仍在持续收集更多样化的数据，“希望进一步提升复杂病例的适配度，让技术覆盖更多特殊需求”。
谈及未来发展，杨磊提出了三个核心方向，始终坚守“技术服务医疗”的原则。一是破解数据痛点，团队正探索通过人工合成数据与大模型合成数据补充稀缺资源，“我们在富士康产线已用合成数据解决了工业领域的问题，牙齿合成数据仍在持续试验中”；二是探索暴力计算路径，尝试通过扩大数据量、提升维度突破技术瓶颈，“我们假设牙齿数据是生理数据与美学数据的回归，若这一假设成立，或许能通过高维度计算进一步优化效果”；三是明确AI的定位，“我们反复探讨过，AI究竟是替代医生，还是成为医生的工具？最终结论是，所有技术都应降低医生的工作强度，让三、四线城市及基层患者也能享受到优质的口腔修复服务，这是我们研发的初衷”。他还提及长远设想：未来或可构建“无人类医生现场操作”的牙科诊所，通过全自动化技术延伸医疗服务半径，让技术红利惠及更多人。
（文章来源：新华网；如有侵权，请联系删除）
