Nowe badanie naukowców z Uniwersytetu w Buffalo pokazuje, iż algorytmy uczenia maszynowego mogą z wysoką trafnością wspomagać ortodontów w wyborze optymalnej ścieżki leczenia u pacjentów z wrodzonym brakiem drugich przedtrzonowców.
U większości pacjentów stałe drugie przedtrzonowce wyrzynają się około 11. roku życia, jednak u 2-11% populacji zęby te w ogóle się nie rozwijają.
– Agenezja zębów, czyli wada wrodzona polegająca na braku jednego lub większej liczby zębów, należy dziś do najczęstszych i najbardziej wymagających klinicznie anomalii w stomatologii – podkreśla dr Thikriat Al-Jewair, kierownik Katedry Ortodoncji na University at Buffalo School of Dental Medicine.
Jak wyjaśnia badaczka, sytuacja ta stawia ortodontę przed trzema głównymi strategiami postępowania: pozostawieniem mlecznych drugich trzonowców bez następców stałych, ich ekstrakcją i ortodontycznym zamknięciem przestrzeni lub ekstrakcją i utrzymaniem miejsca pod przyszłe uzupełnienie protetyczne (implant lub most).
– Prowadzenie pacjentów z brakami zębowymi jest wyzwaniem nie tylko dla nich samych, ale także dla ortodonty, ponieważ wprowadza dodatkowy poziom złożoności – dodaje dr Al-Jewair. – Musimy dokładnie ocenić stopień stłoczenia, wyjściowe położenie zębów i estetykę twarzy, uwzględniając jednocześnie preferencje pacjenta oraz koszty leczenia. W niektórych przypadkach zatrzymany ząb mleczny pozostaje zdrowy i funkcjonalny przez lata, w innych – nie.
Wysoka skuteczność algorytmów AI
Wsparciem w tym złożonym procesie decyzyjnym może być sztuczna inteligencja. W badaniu opublikowanym w styczniowym numerze czasopisma „Orthodontics and Craniofacial Research” zespół naukowców przeanalizował możliwość wykorzystania modeli uczenia maszynowego do przewidywania optymalnej strategii leczenia.
W projekcie uczestniczyli również dr William Tanberg – biostatystyk z Wydziału Zdrowia Publicznego, dr Ozge Colak, była rezydentka ortodoncji University at Buffalo, w tej chwili prowadząca praktykę w Teksasie oraz dr Mohammed Elnagar, ekspert w dziedzinie AI z University of Illinois w Chicago.
Analizie poddano dokumentację 100 pacjentów (średni wiek: 14 lat) leczonych w latach 2010-2024 – modele diagnostyczne, zdjęcia radiologiczne, fotografie kliniczne oraz wywiady medyczne i stomatologiczne. Wszyscy pacjenci mieli zachowane mleczne drugie trzonowce.
Spośród czterech ocenianych modeli najwyższą skuteczność – 96,4% – osiągnął tzw. klasyfikator Random Forest. Najistotniejszymi czynnikami predykcyjnymi były: preferencje pacjenta dotyczące odbudowy protetycznej, stopień stłoczenia w łuku dolnym oraz obecność wrodzonej ankylozy stawu skroniowo-żuchwowego.
– Błędy w decyzjach ortodontycznych mogą mieć długofalowe konsekwencje – od pogorszenia estetyki twarzy, przez problemy periodontologiczne, po niezadowolenie pacjenta. Zwiększenie trafności diagnostycznej i przewidywalności leczenia ma najważniejsze znaczenie, a AI może w tym zakresie zapewnić realne wsparcie – podkreśla dr Al-Jewair.
AI jako wsparcie, ale nie zamiennik lekarza dentysty
Sztuczna inteligencja nie jest nowością w ortodoncji – od blisko dwóch dekad wykorzystywana jest m.in. w diagnostyce obrazowej i cyfrowym planowaniu leczenia. W ostatnich pięciu latach nastąpił jednak dynamiczny rozwój algorytmów uczenia maszynowego i deep learning, które coraz skuteczniej wspierają złożone decyzje terapeutyczne.
– Nasze badania pokazały, iż choćby przy ograniczonej liczbie przypadków można wytrenować bardzo dokładne modele predykcyjne działające jak system ekspercki wspierający klinicystę – mówi dr Tanberg. – Przyszłość takich rozwiązań w ortodoncji i innych dziedzinach medycyny wydaje się bardzo obiecująca. Sądzę, iż w ciągu dekady staną się one powszechnym elementem praktyki klinicznej.
Badacze podkreślają jednak jednoznacznie: AI nie ma zastępować ortodonty, ale wspierać jego decyzje. – Mniej doświadczeni lekarze, zwłaszcza świeżo po ukończeniu studiów, często mają trudności z tego typu wadami zgryzu, a AI może być dla nich cennym narzędziem. jeżeli uda się zintegrować te algorytmy z technologiami już wykorzystywanymi w gabinetach, mogą one realnie zwiększyć trafność decyzji klinicznych i poprawić wyniki leczenia – podsumowuje dr Al-Jewair.
Źródło: https://www.buffalo.edu
– Czasami nie zdajemy sobie sprawy, iż sztuczna inteligencja pomaga nam w bardzo prozaicznych rzeczach, choćby w takiej czynności, jak skanowanie czy cyfrowa analiza zwarcia – mówi prof. dr hab. n. med. Jan Pietruski, specjalista protetyki stomatologicznej, długoletni wykładowca akademicki, autor kilkudziesięciu artykułów, podręczników i wydawnictw stomatologicznych, członek-założyciel oraz były prezydent Polskiej Akademii Stomatologii Estetycznej. – Idąc jednak dalej, myślę, iż w jakimś sensie sztuczna inteligencja będzie nam pomagać w całym procesie diagnostycznym nie tylko w stomatologii, ale i w „dużej medycynie”. Nic nie ujmując rozwojowi wiedzy w stomatologii i medycynie, jej olbrzymia ilość czasami zaczyna przeszkadzać. Widać to szczególnie w medycynie niestomatologicznej, w której wiedza dotycząca poszczególnych specjalności jest tak obszerna, iż specjaliści nie są już w stanie popatrzeć na człowieka holistycznie – dodaje.
