עדכן רפואת שיניים - גיליון 190 מרץ-אפריל Israel Dental Update no.190 March-April 2024

.23 לדברי מחברי המאמר, עיוותים דנטו-פציאליים מהווים בעיה נפוצה בפרקטיקה הקלינית של רפואת השיניים, וכחמישה אחוזים מהאוכלוסייה מציגים התפתחות לא תקינה של הלסתות. ניתוח אורתודונטי-אורתוגנטי הוא הטיפול העיקרי לעיוותים אלה, אך אבחון מדויק ותכנון כירורגי קפדני חיוניים לתוצאות מיטביות. בעת האבחנה של עיוותים דנטו-פציאליים ותכנון ניתוחים אורתוגנטיים, מסתמכים בעיקר על בדיקה קלינית, הערכת יחסי הסגר וצפלומטריה. מחברי המאמר מציינים, כי הוכח שלבינה ) קיימת היכולת לזהות מל-אוקלוזיות סקלטליות ולחזות את הצורך בניתוח אורתוגנטי. עם זאת, מחקרים קודמים AI מלאכותית ( הסתמכו בעיקר על נתונים של צילומים צפלומטריים לטרליים, מה שגורם בהכרח לאובדן מידע. מחקרים אלו אבחנו עיוותים דנטו-פציאליים באמצעות הדמיה, ותוכניות ניתוחיות ספציפיות לא נערכו. יתרה מכך, חוקרים מסוימים השתמשו בלמידה עמוקה של ענן נקודות תלת-ממד, על מנת ליצור תבניות עצם להנחיית בלוקים לסכימות תנועה בניתוחים אורתוגנטיים. למרות ששימוש זה מייצג גישה חדשה לתכנון ניתוח אורתוגנתי בעזרת בינה מלאכותית, קיים חוסר ולידציה קלינית לשיטה זו. מטרה במחקר הנוכחי יצרו החוקרים מערכת תומכת החלטות אינטראקטיבית, שיכולה להפיק אבחנה מדויקת של עיוותים דנטו-פציאליים ולהמליץ על תכניות ניתוחיות אינדיבידואליות על סמך העדפות המנתח. החוקרים גייסו במחלקה לניתוחים אורתוגנתיים ומפרקים מתרפאים עם עיוותים דנטו-פציאליים 574 טמפורמנדיבולריים של בית החולים לרפואת השיניים אוניברסיטת סצ'ואן במערב סין , אשר נרשמו לאימון מודלים אבחוניים המבוססים על חמישה אלגוריתמים 2020 עד אוגוסט 2015 ספירלי במהלך ינואר CT שעברו שונים של למידת מכונה; ביצועי האבחון הושוו עם אבחנות של מומחים. חושבו הדיוק, הרגישות, הספציפיות והשטח מתחת ). אלגוריתם "מושבת הדבורים המלאכותית האדפטיבית" הופעל על מנת לגבש את התוכנית הניתוחית האורתוגנית, AUC לעקומה ( מתרפאים. ההערכה האובייקטיבית כללה את ההבדל במיקום העצם 50 ולאחר מכן הוערך על ידי מנתחי פה ולסת בקבוצה של בין הבינה המלאכותית שנוצרה לבין תוכניות הניתוח בפועל עבור המתרפא, יחד עם אי-התאמות בתוצאות הניתוח הצפלומטרי לאחר הניתוח. המודל להגברת השיפוע הקיצוני של רלוונטיות בינארית תפקד בצורה הטובה ביותר, עם אחוזי הצלחה של אבחון אחוזים עבור שישה סוגים שונים של עיוותים דנטו-פציאליים; היוצא מן הכלל היה התפתחות יתר של מקסילרית 90 של מעל , והשתפר לאחר אינטראקציה 9 עבור כל סוגי האבחון. הציון החציוני עבור תוכניות הניתוח היה 0.88 > היה AUC אחוזים). 89.27( בין אדם למחשב. בין הקבוצות בפועל לבין הבינה המלאכותית לא היה הבדל מובהק סטטיסטית. מסקנות מחברי המאמר קובעים כי אלגוריתמים של למידת מכונה יעילים לאבחון ותכנון כירורגי של עיוותים דנטו-פציאליים ומסייעים בשיפור יעילות האבחון.

Du W, Bi W, Liu Y, Zhu Z, et al. Machine learning-based decision support system for orthognathic diagnosis and treatment planning. BMC Oral Health 2024;doi.org/10.1186/ s12903-024-04063-6

70