从数字化到具身智能：口腔临床诊疗的技术革新与范式跃迁
刘璐玮严斌 
南京医科大学附属口腔医院正畸科 口腔疾病研究与防治***重点实验室培育建设点（南京医科大学） 江苏省口腔转化医学工程研究中心（南京医科大学），南京 210029
▲ 识别二维码，访问全文
摘 要在口腔医学数智化转型的关键阶段，人工智能技术已在诊断分析、方案设计等领域展现出显著优势，但受限于离身智能的本质，临床执行端仍存在环境感知弱、动态交互缺失以及长程预测能力不足等瓶颈。具身智能作为强调“感知⁃决策⁃执行”闭环的新型人工智能范式，为突破现有数字化技术的执行局限提供新的理论方向与技术路径。本文结合口腔诊疗场景的特点，对具身智能的技术内核与口腔诊疗场景的适配逻辑进行梳理。在此基础上，从不同评价维度出发，分析传统医疗机器人自主性分级体系的不足，创新性地提出适配口腔领域的具身智能分级标准，系统阐述视触融合感知、口腔专属世界模型、仿真到现实迁移训练等核心技术的发展方向，展望具身智能在口腔种植、口腔修复、牙体牙髓病及口腔正畸等专科的应用场景，并对当前领域面临的数据孤岛、监管伦理、技术边界等核心问题提出专家倡议，以期为口腔具身智能的理性发展与规范应用提供参考。 关键词口腔医学；人工智能；机器人；具身智能；数字化技术；数字化口腔医学
本文来源：中华口腔医学杂志2026年第61卷第6期
数智聚合时代，口腔医学正经历从经验驱动向精准化、数字化、智能化的历史性跨越。近20年来，以锥形束CT、计算机辅助设计与辅助制作和口内扫描为代表的数字化技术已在我国口腔医疗机构广泛应用。这些技术在一定程度上推动口腔诊疗模式由以往依赖二维经验判断，向基于三维信息的精准规划转变［1］。在此基础上，动态导航、手术机器人等辅助设备的临床应用，进一步提升了操作的空间精度与稳定性。然而，作为长期的临床一线工作者与研究者，笔者认为学界必须清醒地认识到：目前口腔医学智能化应用仍主要集中于信息处理与方案规划环节，其技术内核属于以算法推理为核心的离身智能（disembodied artificial intelligence）范畴，即主要基于静态影像与预设规则进行分析与决策，实际操作环节中的参与程度相对有限，尚未形成完整的临床执行闭环。预先制订的手术方案应用于真实临床环境时，患者的呼吸微动、软组织形变、唾液干扰及舌体运动等动态因素，可能影响原有规划条件，从而对操作精度产生一定影响，使诊疗效果仍高度依赖医师的个人经验判断与手部稳定性，这也在一定程度上影响诊疗质量的一致性［2‑3］。具身智能（embodied artificial intelligence）作为人工智能与机器人技术深度融合的新型范式，强调智能体以物理实体为载体，通过多模态感知与真实环境持续交互，形成“感知⁃决策⁃执行”的完整闭环，为应对口腔诊疗中实际操作环节复杂性带来的不确定性提供新的解决思路［4］。与传统的离身智能不同，具身智能的核心并非提升静态计算精度，而是赋予智能系统对动态物理环境的理解与适配能力，使其能在复杂的临床场景中与医师协同完成操作［5‑7］。现结合口腔诊疗的临床特征与实际需求，系统梳理具身智能的技术框架与适配路径，提出适合口腔医疗领域的智能分级体系，展望其临床应用场景，并对当前领域面临的核心挑战提出建设性意见，旨在为口腔具身智能的理性探索与规范应用提供学术参考。一、具身智能的技术内核与口腔诊疗场景的适配逻辑
具身智能是一种“大脑‑身体‑环境”三位一体的智能系统形态：“大脑”对应高层决策模块（如大语言模型），负责意图理解与策略生成；“身体”对应感知与执行模块（如多模态传感器、机械臂），负责环境感知与物理动作输出；“环境”对应动态物理场景（如真实口腔环境、仿真训练平台），为智能体提供反馈信号与训练场景［8‑9］。三者协同形成闭环，使系统能在复杂、动态的任务环境中逐步调整和优化其行为。对口腔医学而言，具身智能并非传统数字化设备的简单延伸，更体现为从依赖预设路径执行的自动化工具，向能参与临床过程、具备一定适应能力的人机协同系统的范式跃迁。1.具身智能与传统口腔医疗机器人的本质区别：当前临床应用的口腔手术机器人、动态导航系统本质上仍属于半自动化设备，其控制逻辑建立在术前静态规划基础之上，医师预先设计操作路径，设备基于预设坐标完成动作，属于典型的位置控制模式。此类系统中，机器仅承担执行角色，决策与判断高度集中于医师端，数据流向以单向为主，对术中动态变化缺乏主动理解能力［10‑11］。当术中出现患者体位改变、软组织形变或非预期干扰时，常需医师暂停操作、重新规划路径，这不仅降低效率，也增加安全风险。相较之下，具身智能更强调系统在执行过程中的实时感知与动态调整能力。其目标并非让机器动作精度更高，而是让机器能理解动作所处的环境状态及其潜在后果，执行过程中根据实时反馈动态调整策略［12］。口腔临床操作空间狭小（后牙区操作空间仅约2 cm）、环境高度动态，患者呼吸引起的颌骨微动（幅度可达0.5~1.0 mm）、软组织形变、唾液遮挡等因素，均可持续改变操作的安全边界。具身智能系统通过多模态传感器持续感知这些变化，输入决策模块动态调整操作参数，主动规避风险。在此过程中，机器不再是被动执行指令的工具，而是参与操作过程的协同主体，体现出一定的环境适应能力与风险提示功能。这种从“被动执行”到“主动协同”的转变，是具身智能与传统口腔机器人的核心区别。2.口腔具身智能的核心技术适配方向：具身智能的核心技术框架包括多模态感知、通用大模型决策、物理动作执行三大模块，但在口腔医学这一解剖结构复杂、操作空间狭小、精度要求高且容错率低的临床场景中，上述通用技术路径必须进行针对性适配，尤其需要重点解决呼吸微动、软组织形变、唾液干扰及舌体运动等动态因素对系统感知、理解与交互能力的挑战。因此，口腔具身智能技术实现需在感知、决策与执行3个层面进行相应转化（图1）。注：口腔医疗具身智能核心技术包含感知层（视触融合多模态感知）、决策层［VLA（视觉⁃语言⁃动作）大模型联合口腔专属世界模型］、执行层［Sim2Real（从仿真到现实）动态生物力学仿真］3个层面，三者协同形成“感知⁃决策⁃执行”闭环；OCT为光学相干断层扫描
（1）感知层：从“视觉主导”到“视触融合”。目前的具身智能研究多高度依赖计算机视觉。然而，在口腔狭窄的操作空间中，视觉易受遮挡以及液体干扰影响，如唾液覆盖、镜面反光及后牙区视野受限等情况较常见，触觉与力觉的判断价值更高。其中，触觉主要包括对表面纹理、粗糙度、滑移及温度等接触特性的感知，而力觉则涵盖对接触力大小、方向及变化过程（如切削阻力与反作用力）的感知，两者协同可为口腔操作提供更可靠的环境反馈信息。因此，口腔具身智能的感知层必须突破“视觉至上”的固有思路，构建“视触融合”的多模态感知体系［13‑14］。通过六维力传感器、触觉传感器获取力反馈信号，与视觉、光学相干断层扫描（optical coherence tomography，OCT）等数据在同一潜在空间中进行多模态对齐，不仅能解决视野遮挡，还可通过切削阻力、组织硬度差异判断牙体组织或颌骨组织的病理学属性。近年，基于视触觉原理的传感技术已在机器人精细操作研究中得到验证，其在口腔医疗领域已被探索用于识别牙体组织边界及龋坏区域［15］。龋坏牙本质的硬度仅为健康牙本质的1/3~1/2，通过毫牛（mN）级力传感器可准确区分二者边界，辅助判断去腐终点，减少过度切削［16］。OCT技术可提供牙体及牙周组织的微米级断层结构信息，且无电离辐射，可实时监测剩余牙体厚度，为深部操作提供安全参考［17］。未来3~5年，视触融合感知算法的优化、小型化高灵敏度传感器的研发，将是口腔具身智能感知层的核心研究方向。（2）决策层：从“单一控制”到“视觉‑语言‑动作（vision‑language‑action，VLA）模型联合口腔专属世界模型”。传统口腔机器人依赖单一任务控制程序（if‑then逻辑），难以应对复杂动态的临床情境。VLA模型为具身智能的高层决策提供统一框架，可实现自然语言指令、视觉感知信息与机械臂动作的端到端映射，使系统能直接将医师的自然语言指令（如“预备左上**磨牙全冠修复的牙体形态”）转化为机械臂的底层控制信号［18‑19］。但口腔治疗中不可逆操作占比较高、容错率较低，针对软组织形变及舌体运动等动态干扰，单纯依赖瞬时感知难以保证操作安全。因此，有必要在决策层引入“口腔专属世界模型（world model）”，即在系统内部构建包含口腔解剖结构、生物力学属性、操作物理规则的动态仿真环境，智能体执行动作前通过世界模型预演不同操作策略的潜在后果，评估风险后再输出**动作［20］。这种基于内部物理仿真的前瞻性决策，是口腔具身智能跨越医疗安全红线的核心基石。在决策层面，通用VLA模型的口腔场景适配与微调，以及口腔专属世界模型的轻量化构建，是当前亟需突破的核心技术环节［21］。（3）执行层：从“真实试错”到“仿真到现实动态迁移”。受医学伦理、医疗安全及数据获取条件限制，初始状态的具身智能体无法在真实临床场景进行大规模试错训练，因此从仿真到现实（simulation‑to‑reality，Sim2Real）的迁移技术是必由之路。口腔具身智能所需的Sim2Real绝非简单的几何外形克隆，而需要构建包含极高精细度生物力学属性的“生成式动态数字孪生”模型［22］。口腔组织呈现出显著的非线性、各向异性及黏弹性特征，牙体切削过程涉及微观尺度的断裂与材料去除机制，同时唾液流动、软组织形变及个体差异等动态因素可进一步增加物理建模的复杂性与不确定性。此外，目前口腔组织力学参数仍缺乏系统化、高精度的数据支撑，限制了仿真环境的真实性与泛化能力。为突破上述瓶颈，有必要引入能自主学习物理环境的潜在动态因果结构、具备长程预测和反事实推演能力的口腔专属世界模型框架，整合多模态数据，才有可能在仿真环境中真实还原牙周组织的黏弹性形变、切削牙釉质时的微观碎裂过程及唾液流动干扰等物理特征。在真实临床环境中，患者呼吸、吞咽及轻微体位变化均可对操作精度产生影响。为缩小仿真与真实场景的差异，执行中可结合实时三维重建与动态追踪技术，对操作目标及器械位姿进行连续更新，并通过位姿补偿机制实现微尺度动态修正，从而维持操作稳定性。这一过程要求执行系统具备高频响应能力与稳定控制精度，以适应口腔微环境中的持续扰动［23‑24］。但仿真训练结果不能直接等同于临床可用性，所有智能系统进入临床前必须经过离体牙实验、动物实验及规范的临床试验逐步验证，明确其安全边界与适应证。二、口腔医疗具身智能的分级体系
讨论智能医疗装备演进时，业界通常参考2017年提出的医疗机器人自主性分级（Level 0~Level 5），该标准以“人类医师是否在控制回路中”以及“自主手术的程度”为主要依据，其底层逻辑源于自动驾驶的分级体系［25］。但笔者认为，这种单维度评价体系在口腔医学场景下存在理论局限。其一，评价维度的单一性掩盖智能的本质。口腔环境是典型的复杂动态非结构化环境，单纯以“能否脱离医师控制”评价智能等级存在较大安全隐患：一个在静态石膏模型上无须医师干预即可完成完美切削的机械臂，旧分级标准下可能被判定为“高自主性（Level 4）”，但当其应用于真实临床环境时，仍需面对患者呼吸微动、吞咽、软组织形变等多种动态干扰因素，若缺乏多模态感知与动态适配能力，其临床安全性与稳定性仍依赖医师的经验与干预。因此，仅从“是否脱离人工控制”评价系统水平，可能难以充分体现口腔医疗智能装备在真实临床环境中的适用性。其二，该分级体系的**目标是“完全替代人类操作者”，但在口腔医学的伦理与临床框架下，**目标从来不是替代医师，而是更强调通过技术手段弥补人类操作的生理局限，例如消除手部震颤、减少视觉盲区、提升操作稳定性的“超人能力”，从而提升整体诊疗质量与同质化水平。基于上述认识，笔者引入2025年最新提出的基于“智能能力进化”的具身智能分级体系（intelligent robot level，IR‑L）［9］。该体系不以“控制权交接”为**主线，而是从感知融合、语义认知、环境交互等多维度对系统能力进行综合评价。需要指出的是，自主性分级主要从“控制权与自动化程度”的角度对系统进行划分，而近年提出的智能能力分级体系则更多关注“感知、认知与环境交互能力”的发展水平。两者属于不同评价维度，在技术演进过程中既存在交集，也各有侧重，可作为互补视角共同理解医疗机器人发展阶段。结合口腔诊疗的临床特点，笔者对该分级体系进行适当映射（表1），用于明确不同智能系统的功能定位与临床角色，引导领域理性发展。上述IR‑L分级体系的提出，有助于从能力演进维度系统梳理口腔医疗智能装备的发展阶段，并明确不同技术形态在临床中的功能定位。需要客观认识的是，目前多数已获监管批准并投入临床应用的数字化口腔设备，其智能水平主要集中于IR‑L1级至IR‑L2级阶段，功能侧重于感知增强与路径引导，尚未形成完整的“感知⁃决策⁃执行”闭环结构。未来技术演进的关键，在于推动多模态感知融合能力与基于VLA架构的决策模型在口腔临床场景中的稳定应用，并构建与之匹配的口腔专属世界模型框架。当系统具备跨模态信息整合与局部情境理解能力后，医疗机器人方可在医师主导下参与更高层级的决策协同，使其在临床中的作用由单纯辅助工具逐步向参与决策支持转变。三、口腔具身智能的临床应用场景与技术发展路径
当前口腔具身智能仍处于由IR‑L2级向IR‑L3级过渡的早期阶段，但其在操作依赖度高、标准化需求强的亚专科领域已显现清晰的发展路径，未来将推动口腔诊疗从“医师主导、机器辅助”走向“人机共融、协同操作”的新范式。1.口腔种植科：由静态导航到动态协同。种植外科是数字化与机器人技术介入最早、应用最成熟的领域，早期数字化种植主要依赖基于术前影像数据（如锥形束CT）进行路径设计，并通过实体手术导板在术中提供物理引导的静态导航模式，其特点在于依赖术前规划，缺乏术中实时反馈与动态调整能力。随着技术发展，虽然现有IR‑L2级动态导航及机器人系统已实现种植体位点的高精度路径引导，但对术中环境变化的应对能力有限。随着具身智能相关技术的引入，种植操作有望由以往依赖术前规划的路径执行，逐步向术中动态调整转变。通过深度视觉系统实时重建患者口面部及术区三维结构，基于牙列及骨性解剖特征实现无参考架的动态追踪，自动补偿患者呼吸微动、体位变化带来的位置偏移，无须医师频繁暂停调整路径；对于张口度受限、后牙区视野不佳的复杂病例，系统可通过视触融合感知识别邻牙、神经、上颌窦等关键解剖结构的边界，主动规避操作风险，提升复杂种植手术的安全性［26］。预计未来3~5年，具备动态补偿能力的IR‑L2级种植导航系统将逐步普及，IR‑L3级半自主种植机器人将进入临床试验阶段。2.口腔修复科：从数字设计到自动化预备。计算机辅助设计与辅助制作技术已实现修复体设计与加工的高度自动化，但临床端的牙体预备环节仍高度依赖医师手工操作，精度受个体经验影响明显［27］。具身智能为连接数字设计与临床预备提供可行路径：将修复体设计数据直接转化为预备体制备参数，系统在医师监管下完成牙体切削操作，通过力觉反馈与OCT技术实时监测切削阻力与剩余牙体厚度，自动调整切削深度与角度，确保预备体的轴壁聚合度等参数符合临床要求。但鉴于牙体解剖形态的个体差异、软组织动态干扰等因素，该技术短期内更适用于单冠、固定桥基牙预备等标准化病例。3.口腔颌面外科：从影像规划到人机协同。口腔颌面外科手术涉及广泛的骨切除、血管神经保护及软组织重建，对空间定位与风险控制要求较高，具身智能有望在其中发挥辅助作用。基于术前影像数据，结合实时术中信息，相关系统可逐步构建可更新的解剖环境模型。通过多模态数据融合与动态配准技术，系统可辅助识别神经血管束位置，并在骨切割过程中通过力觉反馈控制切割深度与路径精度。在显微吻合等操作中，结合高精度机械执行系统，可提供稳定的张力控制与操作放大支持。考虑到该类手术风险高、解剖变异复杂，具身智能在口腔颌面外科的应用应以协同控制为目标，强调安全验证与分阶段临床转化。4.口腔正畸科：从方案优化到精准执行。目前人工智能技术已在头影测量分析、隐形矫治方案设计、疗效预测等领域实现广泛应用。然而，在具体操作环节，如托槽粘接、附件定位等，仍高度依赖医师手工完成，其中托槽粘接位置的偏差被认为是影响固定矫治疗效的重要因素之一，具身智能的引入可在一定程度上提升正畸操作的定位一致性。在托槽粘接过程中，系统结合数字排牙方案与口内实时影像，实现托槽三维位置的自动校准与粘接引导；在隐形矫治附件放置、去除过程中，通过力反馈控制调整操作力度，降低牙釉质损伤风险。未来具身智能在口腔正畸领域的定位仍为操作辅助工具，复杂病例的方案调整、咬合精细微调等关键决策仍需正畸医师主导。5.牙体牙髓病科：从经验判断到微创感知操作。牙体牙髓病治疗的操作空间更狭窄，对精度要求更高，深龋去腐、髓腔开放、根管预备过程中过度切削或穿孔均可能导致不可逆损伤甚至牙体保留失败。具身智能在该领域的应用重点体现在感知能力的增强。通过视触融合感知识别龋坏组织与健康牙本质的硬度差异，辅助医师精准判断去腐终点，**程度保留健康牙体组织；结合OCT技术实时监测剩余牙体厚度、髓腔位置，为深部操作提供安全提示，降低髓腔穿孔的风险；根管治疗过程中，系统可实时感知根管器械的受力变化与根管走向，自动调整预备过程，降低台阶形成、器械分离的风险。目前该领域的研究仍处于实验阶段，未来可优先在儿童口腔疾病治疗、老年患者复杂根管治疗等操作难度高的场景落地。四、口腔具身智能发展的核心挑战与应对策略
尽管具身智能在口腔医学领域显示出巨大的应用前景，但其从实验室走向广泛临床应用仍面临多方面现实问题。与离身智能仅涉及信息判断偏差不同，具身智能直接参与临床操作过程，风险更可能转化为对患者的实际损伤，因此必须在技术创新与医疗安全之间建立清晰的可控边界。1.数据基础：打破数据孤岛，构建多模态临床动作流数据集。具身智能系统的训练高度依赖多模态、高质量的临床数据，但当前口腔医学领域的数据基础存在明显短板：一方面，锥形束CT、口内扫描、面部扫描等静态影像数据分散存储于不同设备的封闭系统中，缺乏统一规范，跨平台数据整合与共享难度大［28］；另一方面，相较于静态影像数据，口腔诊疗过程中的操作动作、施力变化、器械轨迹等过程性动作流数据的获取与标注难度较高，目前国内尚未建立大规模、高质量的口腔临床专家操作动作流数据集，导致具身智能模型的训练缺乏优质数据源，泛化能力不足。笔者在此强烈呼吁，政产学研各界应协同建立***“中华口腔临床诊疗动作流数据集”，利用高分辨率力传感器、空间动作捕捉技术，数字化保存并标注**口腔专家的操作数据，构建包含多学科、多病例类型、多操作场景的多模态数据集。同时应加快制订口腔医疗数据的统一采集与共享标准，打破厂商数据孤岛，推动数据的合规开放与利用。2.监管责任：明确边界，建立适配的监管与责任划分机制。口腔具身智能同时涉及医疗器械、人工智能、机器人等多个监管领域，现有监管体系仍存在适配性不足的问题：与传统医疗器械不同，具身智能系统具备自适应与持续更新特征，传统的医疗器械注册模式难以覆盖其全生命周期的风险控制要求［29］。在法律责任层面，IR‑L3级及以上等级的半自主系统造成医疗损害时，责任主体的界定仍缺乏明确的法律依据，争议集中于医师、医疗机构、设备制造商、算法开发者之间的责任划分。基于当前技术成熟度与医疗安全考量，学界与监管层应明确“人机协作、医师主导”的基本原则，将具身智能系统定位为医师的辅助工具，由医师承担最终医疗决策责任，以此降低潜在的法律与伦理风险［30‑31］。监管部门应联合行业专家加快制订口腔医疗具身智能设备的专门注册审查指导原则，建立覆盖研发、临床试验、上市后监测的全生命周期监管体系，确保技术应用的安全性与可控性。3.临床应用：合理定位，避免技术滥用与技能退化风险。现阶段具身智能系统多基于深度学习模型，决策过程存在一定程度的“黑箱”特性，可解释性不足，这在一定程度上可能影响临床医师对系统输出的信任度，因此研发可解释的口腔具身智能模型是未来必须突破的核心问题［32］。此外，过度依赖智能辅助可能在一定程度上影响年轻医师对基础操作技能的训练与积累，从而对其独立诊疗能力的发展产生影响［33］。因此，临床中应将其定位为能力增强工具，而非替代医师决策的主体；教学中作为操作训练客观评估工具，量化评估操作精度、施力合理性等参数，提升培训同质化水平，而非替代基础操作训练。五、结语及展望
口腔医学的数字化进程经历从“二维模拟”到“三维可视”，再到“精准规划”的三次跨越，如今具身智能正在推开从“离身计算”到“物理执行与动态交互”的第四次变革的大门。这场不可逆的技术变革中，机器将从执行工具进化为具备感知与认知能力的人机协同助手。医学的本质不仅在于微米级的切削与缝合，更在于对患者生命健康的整体关怀、对复杂病理的综合判断以及医患间的沟通与理解，这些是人工智能永远无法替代的核心价值。具身智能的发展，有望在一定程度上减轻口腔医师在重复性操作中的负担，并在提高手部稳定性和操作精度方面提供支持，使医师能将更多精力投入到复杂病例决策、美学设计及患者管理等工作中，更好地体现临床工作的综合价值。当前口腔具身智能仍处于发展的早期阶段，其应用必须坚持“循序渐进、规范先行”的原则，避免过度炒作与盲目落地。未来研究需紧密结合口腔临床实际需求，在明确适应证、强化风险控制、完善评价体系的基础上，探索具身智能在提升诊疗质量同质化中的合理定位，推动相关技术在口腔医学领域的理性发展与规范应用，最终实现“让所有患者都能享受到均质化高水平口腔医疗服务”的行业目标。作者贡献声明
刘璐玮：论文整体构思及主要内容撰写与修改；严斌：论文整体构思、框架设计，参与论文内容的补充与修订，对关键学术观点进行审阅与完善
利益冲突声明
所有作者声明不存在利益冲突、
此文章转自中华口腔医学杂志微信公众号
摘 要在口腔医学数智化转型的关键阶段，人工智能技术已在诊断分析、方案设计等领域展现出显著优势，但受限于离身智能的本质，临床执行端仍存在环境感知弱、动态交互缺失以及长程预测能力不足等瓶颈。具身智能作为强调“感知⁃决策⁃执行”闭环的新型人工智能范式，为突破现有数字化技术的执行局限提供新的理论方向与技术路径。本文结合口腔诊疗场景的特点，对具身智能的技术内核与口腔诊疗场景的适配逻辑进行梳理。在此基础上，从不同评价维度出发，分析传统医疗机器人自主性分级体系的不足，创新性地提出适配口腔领域的具身智能分级标准，系统阐述视触融合感知、口腔专属世界模型、仿真到现实迁移训练等核心技术的发展方向，展望具身智能在口腔种植、口腔修复、牙体牙髓病及口腔正畸等专科的应用场景，并对当前领域面临的数据孤岛、监管伦理、技术边界等核心问题提出专家倡议，以期为口腔具身智能的理性发展与规范应用提供参考。
