A Mesterséges Intelligencia alkalmazási lehetőségei a fogászatban

És mint kiderült a sorozatból, a Mesterséges Intelligencia több területen alkalmazva is megegyezik a szakemberek munkájával. Mi a helyzet kifejezetten a fogászatok esetében? Marketing vonatkozás helyett, ez alkalommal a további lehetőségeket vizsgáltuk meg!

Talán Önnek is meglepő tény, hogy 2017-ről 2019-re 270%-al növekedett a Mesterséges Intelligenciát alkalmazó vállalkozások száma. De nem csak a vállalkozások, hanem a vevők is viszonylag pozitívan fogadják – mutatja a statisztikai kimutatás.

 A megkérdezettek 49%-a úgy véli, hogy az automatizációk alkalmazása biztonságos, az egészségügyi szférában is. És milyen alkalmazási lehetőségei vannak fogászati szakmában?

A Mesterséges Intelligencia alkalmazási lehetőségei fogorvosoknak

Radiológia

A megértéshez először meg kell ismernünk a CNN mozaikszó jelentését, értelmezését. Bizonyára emlékszik korábbi cikkünkre a célcsoport képzésről, ahol a Machine Learning technikákról ejtettünk szót. Lényegében a CNN is ilyen módon értelmezhető, egy különleges neurális hálózat és matematikai művelet eredménye. A módszert nagyon gyakran alkalmazzák a különböző digitális jelek, például hang, kép és videó feldolgozására. Ez a nagyon különleges algoritmus a radiológiában is megállja a helyét.

 Az anatómiai struktúrák felismerése és azonosítása szinte gond nélkül működik. Amennyiben az algoritmust „betanították”, röntgenfelvételről azonosították és címkézték a fogakat. Pontosságukra is kíváncsi?

95,8-99,45%-os pontossággal sikerült felismerni és azonosítani a fogakat! Viszonyítási alapként megemlítenénk, hogy ez a klinikai szakértők esetében 99,98% körül mozgott, tehát annyira nem nagy a lemaradás.

 A fogszuvasodás felismerésére is kísérletet tettek és képzelje: Az algoritmus 3000 esetből 74,5-97,1%-os pontossággal megállapította a szuvas elváltozásokat.

CNN a gyakorlatban: Kép és hangfelismerésre “nevelt” algoritmus. Válassza ki a magyar feliratot a még jobb megértés érdekében!

Parodontológia

 Az Amerikai Parodontológiai Akadémia 1999-es osztályozása szerint a parodontitisnek 2 típusát ismerték el: Az Agresszív és a krónikus formát. Leírások szerint az összetett betegséget egyetlen mikrobiológiai, szövettani, vagy genetikai vizsgálat sem képes megkülönböztetni, szemben a Mesterséges Intelligenciával. Egy kutatás eredményeként prezentálták, hogy 90-98%-os hatékonyság elérhető a páciensek kategorizálásában a Deep Learning egy speciális módszerével, a mesterséges neurális hálózattal.

Gyökérkezelés

A kezelés során arany standard megoldás a CBCT, ami viszonylag magas sugárdózisának köszönhetően nem rendszeresen alkalmazott. Ennek a leküzdésére fejlesztették a Mesterséges Intelligenciát, mely az adatok értékelésével már most igyekszik kiváltani a CBCT eljárást. Sajnos hatékonysága jelenleg még igencsak alacsony, 80% körüli eredményeket produkált.

Orális patológia

A szájüregi elváltozások felismerése és diagnosztizálása kulcsfontosságú, hisz a korai felismerés javítja a prognózist. A CNN a radiológiához, paradontológiához és gyökérkezeléshez hasonlóan ebben a kategóriában is megállja a helyét: Fej- és nyaki rákos elváltozások diagnosztizálásában 80-83%-os pontossággal operáltak, míg a szakorvosok körülbelül 82-83% közötti eredményt értek el. A CNN nagyon jó lehetőséget biztosít a tumoros szövetek felismerésében a röntgen felvételeken.

Jövő és együttműködés

“A jövőben az AI-alapú átfogó ellátórendszer várhatóan magas színvonalú betegellátást és innovatív kutatást és fejlesztést hoz létre, megkönnyítve a fejlett döntéstámogató eszközöket. A szerzők úgy vélik, hogy a klinikusok, kutatók és mérnökök közötti innovatív szakmaközi koordináció lesz a kulcsa az AI fejlesztésének a fogászat területén.” – (Chen, 2020)

Ön készen áll az együttműködésre? A BIONIKA IGEN!

Machine Learning technikák alkalmazása a fogászatban

Az alábbi ábrán bemutatjuk, hogy milyen témakörben kutatják leginkább a Machine Learning technika megjelenését.

Ön olvasott már korábban ezzel kapcsolatban tanulmányokat, mi a véleménye ezekről?

Esetleg egy ezzel kapcsolatos tréning érdekelné? Vagy valamilyen egészen más? Most még kitöltheti igényfelmérő kérdőívünket:

• ​J Can Dent Assoc 2021;87:l7
• Chen (2020). Artificial intelligence in dentistry: current applications and future perspectives. Quintessence international (Berlin, Germany : 1985), [online] 51(3). doi:10.3290/j.qi.a43952.