口腔疾病是全球性的公共卫生问题。据统计，全球约37亿人受到口腔疾病影响，其中严重牙周疾病患者超过10亿人。科学、规范的刷牙是预防口腔疾病的重要日常措施之一。然而，每天都在刷牙的你，是否真正掌握了正确的刷牙方法？ 事实上，尽管刷牙早已成为人们的日常习惯，但刷牙并不意味着刷得正确。有效刷牙不仅需要合理控制刷牙时间和力度，更取决于刷牙动作是否规范、刷毛能否与牙面有效接触，以及是否充分清洁不同牙齿区域。任何一个环节出现偏差，都可能导致牙菌斑清除不充分，甚至增加牙龈损伤和牙体磨损的风险。因此，如何科学评估刷牙行为，并帮助公众建立正确的刷牙习惯，始终是口腔健康管理面临的重要挑战。
为什么看似简单的刷牙行为，却如此难以准确评估？ 关键在于，刷牙发生在狭小、潮湿且视线受限的口腔环境中，刷牙动作难以直接观察，而刷毛与牙齿之间复杂、动态的接触作用更难以精确测量。传统刷牙指导主要依赖人工观察和经验判断，难以同时量化刷牙力度、运动轨迹、接触状态及区域覆盖情况，也难以为个体提供精准、客观的反馈。
这项研究的缘起，正是研究者自身的一段切身经历。由于长期采用不恰当的刷牙方式，研究者出现了牙龈萎缩、牙根暴露的问题（凉风一吹，甚是酸爽），最终不得不接受牙科治疗。这段亲身经历让研究者意识到：我们每天都在刷牙，却未必知道自己是否刷得正确，更难以察觉那些日积月累的错误习惯正在对口腔健康造成的伤害。我们能否借助科技手段，实时感知和客观评估刷牙行为，帮助人们及时发现并纠正错误习惯，从而避免不必要的口腔损伤？
如今，人工智能与柔性感知技术的融合，为破解这一难题提供了可能。 近日，香港科技大学申亚京教授团队，联合香港大学牙医学院叶舟教授、香港中文大学（深圳）第二附属医院桑婷教授，共同研发了人工智能辅助的刷牙行为评估系统 DigiDent。该系统将三维柔性接触感知与人工智能算法相结合，实现对刷牙力度、动作、接触状态及清洁区域覆盖情况的多维度感知与量化分析，为客观评价刷牙质量、识别不规范刷牙行为及提供个性化指导建立了新的技术手段。相关研究成果发表于国际学术期刊《自然·通讯》（Nature Communications）。
嵌入式随动型微型多维力感知器件，精准量化刷毛侧动态接触力
刷牙质量的精准评估，首先需要解决刷毛接触力难以量化的问题。合适的力度是有效清洁的重要条件：用力过大可能损伤牙龈、加剧牙体磨损，力度不足则影响菌斑去除效果。现有部分方案通过刷柄上的应变或压力传感器估计整体受力，但柔性刷毛的形变会改变载荷传递与分布，使刷柄读数难以反映牙面或牙龈的局部受力。此外，刷毛与牙面的接触状态同样关键。即使牙刷姿态相似、刷柄整体受力相同，刷毛与牙面的接触也可能截然不同。只有部分刷毛接触时，载荷可能集中于少数接触点，同时留下未被充分清洁的区域，导致牙菌斑残留。因此，刷牙评估既要量化力度，也要识别接触状态。为此，研究人员基于团队前期柔性触觉传感研究基础（Nature Communications 16, 3135, 2025 超链接：https://www.nature.com/articles/s41467-025-58403-3），提出嵌入式随动型柔性多维力传感技术，将微型感知器件集成于刷毛阵列内部，通过与周围刷毛协同变形，感知多维动态接触力和接触状态，为刷牙力度和接触方式的量化评估提供依据。
融合连续接触力信息与牙刷运动信息，精细解析复杂刷牙行为
为了从传感信号中提取关键特征，全面量化刷牙行为，研究人员构建了双分支AI分析系统，同步分析柔性多维力传感器采集的连续接触信号，以及惯性测量单元记录的运动和姿态信息。其中，一个分支识别刷牙动作与接触模式，另一个分支判断牙刷姿态与空间方向；两路结果进一步结合牙医制定的区域评价标准，实现对刷牙行为与区域覆盖的联合评估。最终，系统能够输出刷牙力度、接触方式、刷牙动作和当前刷牙区域等结果。在牙列模型实验中，系统实现了对10类刷牙动作与接触模式、21个刷牙子区域的高精度识别。
交互式图形界面实时反馈刷牙状态，辅助用户纠正刷牙习惯
为了将量化结果转化为直观的刷牙指导，研究人员构建了交互式图形界面，实时显示刷牙力度、动作、接触状态和当前刷牙区域情况。系统结合各区域的刷牙要求，综合判断动作、姿态和接触方式是否合适，并通过模拟清洁动画呈现符合要求的刷牙进度，使用户能够直观看到哪些部位已按要求刷过、哪些仍存在接触不足或遗漏，从而及时调整动作。除实时反馈外，系统还会按子区域统计刷牙力度、持续时间和接触状态，生成量化报告，并提供对应过程的可视化回放，帮助用户回顾刷牙习惯，也为牙医识别反复出现的问题、制定针对性指导方案提供依据。
AI赋能个性化评估与指导，推动口腔健康管理精细化
针对不同用户牙齿形态和排列差异带来的评估难题，研究人员利用口腔扫描数据制作与用户牙列1∶1对应的实体牙模，并通过机械臂在牙模上复现不同刷牙动作、采集相关数据，构建个体化刷牙行为数据库，用于训练个性化AI模型。研究团队在儿童乳牙、拔除智齿后的成人牙列及排列不齐的成人牙列三种模型上开展了初步验证，区域识别准确率均超过98%。在两名志愿者的初步使用测试中，系统还识别出两名用户不同的用力习惯，以及舌侧牙面和后方磨牙区域覆盖不足等问题，初步验证了针对个体差异开展刷牙监测与反馈的可行性，为个性化口腔护理提供了技术基础。
结语
这项研究以日常刷牙行为为切入点，将柔性多维力传感、人工智能与口腔医学相结合，探索了从真实接触感知、刷牙行为解析到个性化健康指导的技术路径。DigiDent将原本难以直接观察和量化的刷牙过程转化为直观的反馈与客观的评估报告，不仅帮助用户了解并改善自身的刷牙习惯，也为牙医结合个体牙列特征开展精准评估和个性化指导提供了新的技术手段。下一步，研究团队计划与医院合作，开展更大规模、长期的临床研究，进一步验证该系统在改善刷牙习惯和促进口腔健康方面的实际效果。我们希望，这项研究不仅能帮助人们更科学地刷牙，也能为将日常生活行为转化为可量化、可解释的健康信息提供新的思路，推动家庭日常护理与专业医疗指导的有效衔接，为个性化数字健康管理开辟新的可能。
研究团队
本研究由香港科技大学申亚京教授领导的Mevita Robotics Lab，联合香港大学牙医学院、香港中文大学（深圳）第二附属医院等单位合作完成。申亚京教授为论文通讯作者，任豪、张宏远为共同第一作者。其他作者包括Tak Nok Douglas Yu、杨柳、张铁山、李根、唐一峰、桑婷及叶舟。
该项目获得国家科技重大专项“脑科学与类脑研究”、香港研究资助局优配研究金、国家自然科学基金／香港研究资助局联合科研资助基金、深圳市重点基础研究项目及广东省基础与应用基础研究基金等支持。
原文链接
https://www.nature.com/articles/s41467-026-78284-4
实验室主页
https://mrl.hkust.edu.hk/
审核 | 医工学人理事会
