עדכן רפואת שיניים - גיליון 185 מאי-יוני Israel Dental Update no.185 May-June 2023

.4 זיהוי מערכות שתלים דנטליים

באמצעות מערך נתונים רב-מרכזי

לדברי מחברי המאמר, מאז הכנסת השתלים לטיפול הקליני הדנטלי לפני יותר מכמה עשורים, דווחו סיבוכים מכניים שונים (כגון: שברים או התרופפות של רכיבי התותבת או המבנה) או ביולוגיים (למשל, פרי-אימפלנטיטיס), המשפיעים על התוצאות התפקודיות והאסתטיות ארוכות הטווח, ושכיחותם אף עלתה. על מנת לטפל בסיבוכים אלו, יש לזהות מידע ספציפי ומפורט על מערכת השתל ) תוך-אורלי, אותו ניתן להשיג בקלות, באם הרשומות הרפואיות והדנטליות של המתרפא זמינות. עם זאת, פרטים אלו DIS הדנטלי ( עשויים להיות קשים או אפילו בלתי אפשריים להשגה אם בוצעו ניתוח השתלה ו/או טיפולי שיקום במרפאות שונות והמתרפא אינו באמצעות DIS יכול ליצור קשר עם רופא השיניים המבצע. במקרים כאלה, אנשי המקצוע בתחום רפואת השיניים חייבים לזהות את נתונים קליניים ורדיוגרפיים מוגבלים. קיימים יצרני שתלים רבים, ולכל עיצוב שתל יש מגוון מאפיינים (כולל ממשק השתל, מבנה הכותרת, חוד השתל, צורת האפקס ומבנה פני השטח), המבדילים אותו ממערכות שתל דנטלי מתחרות, ולפי מחברי המאמר מאוד קשה לזהות מאות סוגים של מערכות שתל אשר הושתלו בעבר בעצם האלבאולרית. רדיוגרפיה סביב האפקס וצילומים פנורמים דנטלים מהווים את הדרך העיקרית לזיהוי סוגים שונים של מערכות שתל. עם זאת, יש להם מגבלות קליניות בסיווג מערכות שתל, עקב אילוצים טכניים ומתודולוגיים. לכן, הקמת פלטפורמה של מסד נתונים לזיהוי וסיווג מערכות שתל היא תנאי מוקדם ובעל עדיפות לניהול וטיפול נכון בסיבוכים הקשורים לשתלים. ) לשם ניתוח של הדמיה רפואית, החל AI ) הינה בשימוש נרחב ומקובלת במגוון מערכות של בינה מלאכותית ( DL למידה עמוקה ( ממניעת מחלות, אבחון ופרוגנוזה בפתולוגיה, דרמטולוגיה, רפואת עיניים, קרדיולוגיה, ועוד. כמו כן, מחקרים אחרונים הקשורים בתחום הדנטלי, כולל רדיולוגיה דנטלית, קריולוגיה, פריודנטיה, יישור שיניים והשתלות שיניים, הראו ערך ראשוני ביישום DL ל- לשם סיוע DL קליני אמין וביצועים מדיוקים, השווים לאלו של רופאי השיניים המקצועיים. מספר מחקרים הציעו כי שימוש ב לתמיכה בהחלטות עשוי לשפר משמעותית את הזיהוי ודיוק הסיווג של מערכות שתל על בסיס צילומים פריאפיקליים ופנורמיים. מכיוון שרוב המחקרים הקודמים נערכו על בסיס מספר קטן של מערכות שתל הטרוגניות, המהימנות והתקפות של הזיהוי והסיווג של סוגים שונים של מערכות שתל בפרקטיקה הקלינית בפועל עדיין מוטלת בספק. DL מבוסס ה מטרה המחקר הנוכחי נערך על מנת להעריך את היעילות של למידה עמוקה בזיהוי וסיווג מערכות שתל באמצעות מערך נתונים רב מרכזי בקנה מידה גדול. יתר על כן, ההשערה הייתה, שדיוק הביצועים של למידה עמוקה בסיווג של מערכות שתל יהיה דומה או עדיף על זה של רופאי שיניים מומחים או שאינם מומחים בהשתלות דנטליות. מערך הנתונים, שנאסף על ידי החוקרים מחמש 113,291- אחוזים) צילומים פריאפיקליים ו 24.8( 37,442 מכללות בבתי חולים לרפואת שיניים ועשר מרפאות שיניים פרטיות, הכיל סוגים שונים של מערכות שתל. סיווג הדיוק של למידה עמוקה 25- יצרני שתלים ו 10- אחוזים) פנורמיים אשר הורכבו מ 75.2( שעברה הכשרה ושונתה מראש. ההשוואה בין ביצועי דיוק זמן הקריאה לבין למידה ResNet -50 הוערך באמצעות ארכיטקטורת עמוקה לרופאי השיניים נערכה באמצעות שאלון לדיווח עצמי. כאשר השוו את דיוק הביצועים לסיווג של מערכות השתל, עלתה למידה עמוקה על רוב ביצועי המשתתפים, לרבות רופאי שיניים המתמחים ולא מתמחים בהשתלות דנטליות. בנוסף, השימוש דקות) ואלו 75.6 ± 31.0( דקות) מאשר זה של רופאי השיניים שהתמחו 4.5( בלמידה עמוקה דורש זמן קריאה וסיווג קצרים יותר דקות). השימוש בלמידה עמוקה השיג תוצאות אמינות בזיהוי ובסיווג סוגים שונים של 91.3±38.3( שלא עשו התמחות בשתלים מערכות שתל וביצועי הדיוק והסיווג של למידה עמוקה היו עדיפים באופן משמעותי על אלו של רופאי שיניים מומחים או לא מומחים בנושא ההשתלות. מסקנות לדעת מחברי המאמר, ניתן להשתמש בלמידה עמוקה ככלי עזר תומך בהחלטות לזיהוי וסיווג של מערכות שתל שנתקלים בהן בפרקטיקה הקלינית.

Park W, Schwendicke F, Krois J, et al. Identification of dental implant systems using a large-scale multicenter data set. J Dent Res 2023. doi: 10.1177 /00220345231160750

22