口腔导航研发16：精度检验与测量不确定度，怎样建立可信的台架证据

台架报告常给出一个“精度”数字，却不说明测了什么、怎样获得真值和在哪些条件下重复。对导航设备，工具尖端、角度、目标位置与完整计划转移的误差不同。本篇介绍研发测量设计，不给出临床合格阈值，也不把教学统计当作正式检验方法。

系列定位：面向口腔手术导航设备研发与质量、注册团队，以非自主式导航辅助为主要讨论对象。资料检索日期为 2026 年 10 月 16 日，中国大陆监管语境为主。文中的流程、记录和试验情景为教学示例，未代表某一已注册产品，也不是患者手术操作指南。标准适用性、临床路径和指标需结合具体产品独立论证。

图 1：口腔导航研发16研发关系（原创研发示意）

一、先定义被测量

明确测位置、方向、入口、终点还是某一几何关系，采用哪个坐标与单位。误差计算要说明成对对应、表面距离或其他规则。多个指标不能共用一个含糊名称。

标准或产品技术要求中的方法与研发探索可能不同，应分别标识。台架结果支持的范围由对象、配置和条件决定，不是数字越小结论越大。

二、准确度与重复性分开

重复测量很集中说明某些条件下随机变化小，却不能排除共同偏差。一个始终偏移的系统也可能高度重复。校准与准确度研究需有适当参考。

设备分辨率、显示小数位和真实误差也不同。打印更多位不增加信息，报告应根据测量能力合理表达数值，避免制造虚假精度印象。

三、参考系统需要独立性

测量装置应具有可说明的能力、校准和溯源关系。若被测系统与参考共享同一标定或算法，可能共同偏差。不能用同一跟踪输出验证自身绝对定位。

记录夹具、测头、对准和环境对参考的影响。参考值也有不确定性，不应被当作无误差常数。缺乏独立参考时，限定为重复性或一致性研究。

四、采样覆盖实际工作区

位置、姿态、工具长度、负载、附件和使用状态可能影响误差。预先选择代表及不利条件，避免只测中心最佳姿态。样本量依据目标和统计计划论证。

按区域保存原始结果，整体平均可能掩盖局部异常。测量顺序可以考虑随机化或其他控制，减小时间漂移与顺序影响，具体方法服务于试验问题。

五、端到端与模块分别测

模块试验有助定位跟踪、配准和标定问题，整机试验评价组合结果。模块预算不能代替端到端，端到端失败也需要分层调查。

装置应覆盖实际数据流和附件关系。若绕过某个软件或几何步骤，说明为何仍有代表性。实验室最佳结果不能自动推广到现场全过程。

六、不确定度来自完整过程

参考、重复、装夹、温度、对准和数值处理都可能影响结果。根据测量模型识别来源、估计和合成，相关项不能默认独立。

不确定度评估与误差校正不同，也不是给结果加一个任意余量。具体数学和判定规则应由具备能力人员依据方法完成，本篇不提供通用可直接套用数值。

七、统计同时看分布与极端

均值、RMS、分位数和最大观察值各描述不同性质。样本均值低不保证所有条件通过，最大观察值也不是理论最坏界限。预先规定指标与缺失处理。

失败、拒绝和无法获得结果的次数需要报告。只统计成功子集会高估可用性。剔除异常需有规则和原因，不能因为数值不好看就删除。

八、判定规则预先确定

技术要求、风险与测量能力共同支持判定设计。接近边界时如何考虑不确定度，应在试验前明确，不要测完再选择有利规则。

区分探索性研究、设计验证和正式符合性检验。探索可用于制定方案，最终验证仍需要受控配置和预先要求，避免循环论证。

九、原始记录可重算

保存输入、参考值、结果、算法版本、单位、时间和配置，允许复核统计。图表中的一个点应能回到原始记录。

电子表格和脚本也需要适当检查，特别是单位、缺失和坐标顺序。自动生成漂亮报告不证明统计正确，小型已知数据自检很有价值。

十、报告对外表达有限度

写清台架、样本和环境，不将其改写为临床手术精度或成功率。若不同研究采用不同终点，不宜直接比较数字排名。

研发持续改进可以利用同一基准，但反复调参后的基准不能再被称为独立最终评价。应保留独立数据与真实失败样本，支持可信结论。

扩展情景：把一条误差数据拆开

某次测得的空间差同时包含被测系统、参考、夹具、对准和处理影响。先写测量模型，识别各来源怎样进入结果，再选择估计方法。观察到差值不能全部归到被测系统，也不能因为参考较好就视为零误差。

对于相关来源需要按实际关系处理。重复多次可以帮助估计某些变化，但不能消除固定偏差。若通过校准修正结果，保存修正来源、适用范围和不确定性，不能只留下修正后的漂亮数字。

扩展情景：同一个均值可能有不同风险

一组样本全部小幅偏移，另一组多数接近零但少量明显异常，可能得到相似平均值。分布、区域、失败和最大观察值能揭示差别。选择指标依据任务和要求，而不是结果出现后挑最有利的统计量。

报告可保留散点、分位与工况映射，方便复核异常来自位置、姿态还是时间。异常调查可以发现装置或系统问题，结论需要证据。没有解释之前，不应简单把不利点删除或自动归类为偶然。

扩展情景：区域采样与数量取舍

增加中心重复次数可以降低某些均值估计的不确定性，却不能补足工作区边缘未覆盖。试验方案需要同时考虑空间姿态代表性和统计目的。样本多不等于问题问得正确，也不能给所有项目推荐同一数量。

可以先用探索研究发现敏感区域，再制定独立验证方案。探索数据参与了工况选择，最终报告如实说明。对关键区域的关注来自预期用途与风险，不应因该区域结果差就从支持范围描述中省略。

扩展情景：接近限值时怎样处理

判定规则应在测量前确定并考虑方法能力。结果接近边界时，不能事后选择是否加入不确定度以求通过。研发探索、内部验证和正式检验各使用清楚方案，必要时先改善测量能力。

文章不为具体设备给出接受或拒绝结论，也不推荐通用保护带数值。专业评价应同时看要求、测量模型与实际数据。把这些条件写出来，比简单宣布某个数字小于另一数字更有意义。

扩展情景：计算表也可能产生错结论

坐标列交换、单位混用、空值当零和成功样本筛选都可能改变统计。用已知输入构造自检，确认每个函数对异常和边界有明确定义。自动报表应能回到原始数据与脚本版本。

第三方软件也要理解配置与处理，不因软件有名就放弃核对。保留重新计算方法和审核记录，在版本变化时检查结果可比性。计算正确只是必要条件，参考独立性和采样设计仍需人工论证。

一份可复核测量报告怎样组织

封面明确对象和版本，方法部分定义坐标、单位、样本和参考，结果部分保存分布与失败，讨论部分说明不确定性与外推限制。原始记录和统计脚本以受控索引关联，不把所有细节埋进一张截图。

审核者可以抽取若干样本重新计算，并查看一项失败如何被调查。若报告无法解释一个数值从何而来，就应先修复证据链而非扩大结论。台架与临床的差异明确，不将实验室条件误写成所有用户全过程；方法变化后记录可比范围。

可直接用于研发评审的工作表

以下是示例工作表，内容用于说明记录粒度，不是监管部门规定的唯一格式。实际项目应填写文档编号、版本、责任人与原始证据位置；未完成项保持开放，不能以模板存在代替工作完成。

附：可复现的研发自检示例

成对误差统计与异常输入拒绝

合成点检验均值、RMS、分位与最大值的差异，拒绝空集和非有限值。这里只验证计算，不给出合格阈值，不计算正式测量不确定度。

将代码保存为demo.py执行。本系列实际使用Python 3.11；数值示例导入NumPy，旋转示例还需要SciPy，其他篇使用标准库。示例仅使用合成数据或临时文件，代码输出是本任务的实际执行记录。索引检查不能评价证据内容，数值模型也不能代替真实设备验证。

import numpy as np def paired_metrics(reference,measured): reference,measured = np.asarray(reference,float),np.asarray(measured,float) if reference.shape != measured.shape or reference.ndim != 2: raise ValueError('Paired arrays required') if reference.shape[1] != 3 or len(reference) == 0: raise ValueError('Nonempty Nx3 points required') if not np.isfinite(reference).all() or not np.isfinite(measured).all(): raise ValueError('Nonfinite measurement') errors = np.linalg.norm(measured-reference,axis=1) return dict(count=len(errors),mean=float(errors.mean()), rms=float(np.sqrt(np.mean(errors**2))), p95=float(np.percentile(errors,95)),maximum=float(errors.max())) reference = np.zeros((100,3)) measured = reference.copy() measured[0,0] = 1.0 metrics = paired_metrics(reference,measured) assert metrics['mean'] == .01 assert metrics['rms'] == .1 assert metrics['p95'] == 0 and metrics['maximum'] == 1 for invalid in [np.empty((0,3)),np.array([[np.nan,0,0]])]: try: paired_metrics(invalid,invalid) except ValueError: pass else: raise AssertionError('Invalid data accepted') print('synthetic_metrics',metrics) print('PASS: aggregate metrics can hide an outlier; no acceptance threshold applied')

synthetic_metrics {'count': 100, 'mean': 0.01, 'rms': 0.1, 'p95': 0.0, 'maximum': 1.0} PASS: aggregate metrics can hide an outlier; no acceptance threshold applied

图 2：典型研发问题与证据检查（原创研发示意）

把方案落到项目：三次阶段评审

方案评审

先冻结被测量和终点，再确定参考能力与工况。检查装置是否独立、是否覆盖真实数据流和附件，制定统计、缺失和边界判定。此阶段发现能力不足应调整测量方案，而不是试验后用语言扩大结论。

执行评审

受控记录样机和装置状态，保存全部原始数据及失败。按计划覆盖区域和姿态，观察漂移和重复安装影响。脚本与表格用已知值检查，确保自动化没有引入单位、对应或缺失处理错误。

报告评审

结合不确定度和预先规则解释结果，分区与整体一起看。明确模块、端到端和临床层级，不与不同口径数字直接排名。若结果用于调参，另准备独立确认数据，保留复测与设计变化关系。

四个容易被忽略的失败情景

重复很好但整体偏移

测量集中却有共同系统偏差。

使用独立参考和适当校准，准确度与重复性分别报告。

平均通过但局部失效

中心样本较多掩盖边缘或特定姿态。

预先覆盖并分区统计，保留最大观察和失败。

超差样本被删除

异常规则在看完结果后制定。

保留原始数据，按预先方案调查和解释，不选择性统计。

参考与被测共用偏差

同一定位链或标定被重复使用作为真值。

分析独立性和不确定度，必要时重设计装置。

本篇交付与适用边界

本文不提供正式检验限值、临床阈值或可直接套用的不确定度预算。具体方法、样本与判定由产品要求和测量系统论证，实验室证据不能直接代替临床评价。

对研发结论应区分：设计已经说明、验证已经通过、临床证据已经支持、注册已经获准和市场假设已经被检验。这些状态不能相互替代。失败原始记录、异常处置和版本差异应与成功结果一并保存，便于后续设计更改和上市后调查。

参考资料与查阅方式

YY/T 0316-2016 标准题录与范围

临床评价等五项指导原则（2021年第73号）官方转发

注册自检规定官方转发

引用的法规、标准题录与官方政策按所列来源核对。指导原则提供审评思路，不能直接等同于强制性标准；标准题录核对也不代表已经完成全文条款适用性分析。涉及具体申报或采购时，应复核届时有效版本及所在地执行要求。

写在最后

“知之为知之，不知为不知，是知也。”

—— 孔子《论语·为政》