עדכן רפואת שיניים גיליון 202 מרץ-אפריל Israel Dental Update no.202 March-April 2026

.9 אנדודונטיה מונחית-דיגיטלית ובינה מלאכותית – ניווט, תכנון, ואבחון מדויק יותר ) אנדודונטיה מונחית – סטטית או דינמית – שמטרתה 1( : הדיגיטציה באנדודונטיה מתכנסת כיום לשני צירים שמשלימים זה את זה ) שמתווספת AI ) בינה מלאכותית ( 2( ; להפוך את הגישה לתעלה (ובעיקר לתעלה מסוידת/קשה לאיתור) לתהליך מדויק וצפוי יותר כשכבת עזר באבחון ובהערכת הדמיות, ובעתיד גם בתכנון. השילוב בין שני הצירים עשוי לשנות את גבולות היכולת הקלינית במקרים שבעבר נחשבו "מסוכנים מדי" או "תלויי־מומחה". סריקה אינטרה־אורלית תכנון נתיב גישה הדפסת מדריך שמכוון את + CBCT באנדודונטיה מונחית סטטית, המהלך מוכר: ) שמציגה על המסך את tracking המקדח. באנידודונטיה מונחית דינמית, המסלול מתבצע באמצעות מערכת ניווט בזמן אמת ( יעילה במיוחד בהתמודדות עם תעלות guided endodontics זווית/עומק המקדח ביחס להדמיה. סקירה שיטתית מרכזית הראתה כי מסוידות, אך גם הדגישה מגבלות: דיוק תלוי באיכות נתונים, טעויות רישום, ארטיפקטים, וניסיון מפעיל. מחקר מעבדתי השוואתי במדדי דיוק של לוקליזציית תעלה – תוך הדגשת ההבדלים בין השיטות בתלות freehand הראה יתרון לניווט (סטטי/דינמי) מול במפעיל. הבחירה בין סטטי לדינמי אינה "טוב/רע" אלא התאמה למקרה ולמרפאה. סטטי לרוב פשוט יותר ליישום לאחר שהמערכת קיימת (הדפסה/מעבדה), אך פחות גמיש בזמן אמת. דינמי גמיש יותר, "פתוח" יותר, ולעיתים מתאים גם למצבים שבהם המדריך מוגבל באנדודונטיה dynamic navigation מרחבית – אך מצריך מיומנות עבודה עם משוב מסך וסט רישום/כיול. סקירה שיטתית על מצאה שהספרות עדיין מורכבת ברובה ממחקרי מעבדה ודיווחי מקרה/סדרות, ולכן יש צורך בעוד מחקרים קליניים מבוקרים, אך בעיקר בשלבי הלוקליזציה. iatrogenic errors הפוטנציאל ברור: הפחתת במישור הקליני, תעלות מסוידות הן אינדיקציה בולטת משום שהן מאתגרות גם אבחנתית וגם טכנית. עבודות קלאסיות על משנה החלטה CBCT מדגישות שהמטרה אינה "לרדוף" אחר תעלה בכל מחיר, אלא לנהל סיכון: לעיתים pulp canal obliteration טיפולית, ולעיתים הוא חיוני כדי לא להיכנס למסלול מסוכן. ) קובעת שימוש לפי אינדיקציות ESE : העמדה של האיגוד האירופי לאנדודונטיה ( CBCT כאן נכנסת החשיבות של הנחיות לשימוש ב- ) כאשר ניתן. FOV ), עם העדפה לשדה קטן ( ALARA ברורות ותוך צמצום מינון ( – הופך רלוונטי בעיקר בשלב האבחון והבקרה: זיהוי נגעים פריאפיקליים, הערכת מורכבות אנטומית, ולעיתים AI הציר השני – זיהוי ממצאים שקשה לראות בעין אנושית עקבית. סקירות ספרות עדכניות מסכמות כי מודלים מבוססי למידה עמוקה מציגים ביצועים מבטיחים בזיהוי נגעים פריאפיקליים ובמשימות אנדודונטיות שונות, אך מדגישות גם מגבלות: שונות בין מאגרי אימון, הטיות מדגם, והיעדר סטנדרטיזציה של "אמת מידה" קלינית. אינו "מאבחן במקום רופא", אלא כלי שמטרתו להפחית החמצות, לשפר עקביות, ולהציע דעה נוספת – AI בנקודה זו חשוב לדייק: במיוחד במקרים גבוליים. בפועל, מרפאות שמאמצות תהליכים דיגיטליים מדווחות על ערך בעיקר בהפחתת זמן לוקליזציה בתעלות קשות, ובהפחתת סיכון לפרפורציה בשלב המסוכן ביותר: "הגעה לתעלה". סיכום יסמן/יסגמנט תעלה ויציע נתיב, והניווט יאפשר לבצע אותו בדיוק. ועד אז, העיקרון נשאר AI העתיד הסביר הוא אינטגרציה: שמרני: אימוץ מדורג, בחירת מקרים נכונה, ותיעוד תוצאות. כך הטכנולוגיה הופכת מ"גאדג׳ט" לכלי קליני יציב.

רשימת ספרות

Moreno-Rabié C, Torres A, Lambrechts P, Jacobs R. Clinical applications, accuracy and limitations of guided endodontics: a systematic review. Int Endod J. 2020;53(2):214–231. Huth KC, et al. Comparing accuracy in guided endodontics: dynamic navigation, static guides and freehand technique (in vitro). Clin Oral Investig. 2024. Vasudevan A, et al. Dynamic Navigation in Guided Endodontics – A Systematic Review. Eur Endod J. 2022.

36