עדכן רפואת שיניים - גיליון 178 מרץ-אפריל Israel Dental Update no.178 March-April 2022

.5 פילוח ישים מבחינה קלינית של שיניים בתלת ממד באמצעות למידה עמוקה מחברי המאמר טוענים שמערכות עיצוב דנטליות בסיוע מחשב או רפואת שיניים דיגיטלית הופכים למרכיב בסיסי בתעשיית רפואת השיניים ובמחקר. לדבריהם, הצעד המכריע הראשון הינו לאפיין במדויק שיניים בודדות וחניכיים בנתוני השיניים הסרוקות ) שנאספו ממתרפאים. פילוח עם דיוק ורזולוציה גבוהים הינו תנאי הכרחי עבור יישומים 3 D ) בתלת מימד ( IOS התוך-אורליות ( קליניים שישמשו בהמשך. לדוגמה, רופאי שיניים יסירו או ימקמו מחדש (כלומר, יזיזו ויסובבו) שיניים שעברו פילוח בתוכנת התכנון הממוחשבת, על מנת לדמות טיפול אורתודונטי או השתלה. יתרה מכך, מערכת הפילוח דורשת אוטומציה ויעילות גבוהות עקב התנגשויות בין המספר הגדול של המתרפאים לבין המשאבים המוגבלים של העבודה והמחשוב בפועל. הפילוח הסמנטי של השיניים והחניכיים בנתוני רשת התלת-ממד של הסריקה בפה נותר משימה מאתגרת מאוד, והאתגרים העיקריים הם כדלקמן: ראשית, נתוני השיניים של הסריקה בפה משתנים באופן משמעותי בין מתרפאים. לדוגמה, מספר השיניים (למשל, היפודונטיה או היפרדונטיה) וצורות קשת השיניים אינן עקביות בין מתרפאים. בנוסף, ישנן אנטומיות מורכבות אחרות, כגון ואריאציות של מיקום, שינוי בצורת השן וחריגות בגודל השן. מערכת אוטומטית לחלוטין צפויה לקחת את כל הבעיות הללו בחשבון ולספק תפוקות פילוח חזקות ואמינות. שנית, מבחינה קלינית, המערכת הרלוונטית צריכה ליצור פילוח עדין עבור נתונים ברזולוציה גבוהה, בעוד שהגבולות הקיימים בין שן אחת לשנייה ובין השיניים לחניכיים בדרך כלל אינם ניתנים להבחנה וקשורים באופן מהודק. לבסוף, יש צורך בזמן עיבוד קצר של מערכת הפילוח, על מנת לספק משוב בזמן אמת לתמיכה באבחון הקליני, שיפור התפוקה ואיכות השירותים במרפאות. רפואת שיניים דיגיטלית ממלאת תפקיד מרכזי בטיפול בבריאות השיניים. שלב קריטי במערכות שיניים דיגיטליות רבות הינו תיחום מדויק של שיניים בודדות והחניכיים בנתוני הרשת הסרוקה התוך-אורלית בתלת ממד. עם זאת, שיטות מתקדמות קודמות גוזלות זמן או מועדות לטעויות, ומכאן שמעכבות את ישימותן הקלינית. מטרה נתונים תוך-אורליים סרוקים, עם 4,000 מאמר זה מציג מודל למידה עמוקה מדויק, יעיל ואוטומטי לחלוטין, שהוכשר על בסיס סריקות, משיג המודל דיוק לכל הפנים, דיוק שטח ממוצע 200 הערות שניתנו על ידי מומחים מנוסים. על סט של נתונים מושהים של אחוזים בהתאמה, ביצועים טובים משמעותית 0.9991- ו 98.26 ,96.94 ואזור מתחת לעקומת מאפיין ההפעלה של המקלט של מתרפאים עם סגר לקויה ו/או שיניים לא תקינות מראה 500 מהקווים הבסיסיים המתקדמים ביותר. בדיקת ביצועים קלינית של אחוזים העלו התראות לשיפור על ידי הקלינאי, ורק 2.9 , אחוזים מהפילוחים הינם משביעי רצון עבור יישומים קליניים 96.9 כי אחוזים מהם זקוקים לעיבוד מחדש. 0.2 מסקנת מחברי המאמר היא, כי מחקר זה מדגים את הפוטנציאל של למידה עמוקה לשיפור היכולת והיעילות של טיפולי שיניים ורפואת שיניים דיגיטלית.

Hao J, Liao W, Zhang YL, et al. Toward clinically applicable 3-dimensional tooth segmentation via deep learning. J Dent Res 2022; 101(3): 304–311

24