עדכן רפואת שיניים גיליון 205 ספטמבר-אוקטובר Update no.205 September-October 2026

.2

- CBCT בינה מלאכותית ב- מזיהוי אנטומי לתמיכה בהחלטה קלינית

עשויה לכלול מאות חתכים ומידע אנטומי החורג מהאזור שבגינו הוזמנה. בניגוד לצילום דו-ממדי, שבו האלגוריתם CBCT בדיקת מנתח תמונה אחת או מספר קטן של תמונות, ניתוח נפח תלת-ממדי מחייב איתור מבנים וממצאים בכמה מישורים, תוך התמודדות אינה רק מערכת לזיהוי CBCT עם נפח סריקה משתנה, רזולוציה שונה, ארטיפקטים מתכתיים ורעש. משום כך, בינה מלאכותית ב נגעים - היא יכולה לבצע סגמנטציה, מדידה, סימון אנטומי והכנת מודלים לתכנון טיפול. היישום הבשל ביותר הוא סגמנטציה אוטומטית - הפרדה תלת-ממדית של שיניים, שורשים, תעלות, עצם, חלל הסינוס, נתיב האוויר והתעלה המנדיבולרית. מודלים כאלה עשויים לקצר עבודה ידנית ממושכת ולאפשר מדידות עקביות יותר לצורך תכנון וחב׳, לדוגמה, הודגם Lahoud ). במחקר של 4–1( שתלים, טיפול אנדודונטי, עקירות כירורגיות, אורתודונטיה וניתוחים אורתוגנטיים .)4( כי ניתן לבצע סגמנטציה תלת-ממדית אוטומטית של שיניים בדיוק גבוה ובזמן קצר משמעותית מזה הנדרש לסימון ידני מבחינה קלינית, התועלת אינה בעצם יצירת המודל הצבעוני, אלא בהפיכת נפח ההדמיה למידע שניתן למדוד, להשוות ולשלב בתכנון דיגיטלי. 0.88 , דיוק של 0.85 מאוגם של Dice מחקרים דיווחה על ערך 13 התוצאות המספריות נראות מרשימות. מטא-אנליזה שכללה .)3( 0.92 מאוגם של Dice מחקרים מצאה ערך 24 ). מטא-אנליזה מאוחרת יותר של 2( במשימות גילוי וסגמנטציה 0.93 ורגישות של מתאר את מידת החפיפה בין הסגמנטציה האוטומטית לבין סימון הייחוס, אך אינו מודד ישירות אבחנה נכונה או Dice מדד החלטה טיפולית נכונה. גם ממוצע גבוה עלול להסתיר ביצועים חלשים במבנים קטנים ובעלי משמעות כירורגית - באותה בחללים גדולים יותר 0.98 - התקבל בסגמנטציה של העצב האלוואולרי התחתון, לעומת 0.55 - מטא-אנליזה, הציון הנמוך ביותר ). טעות של מילימטרים ספורים בגבול חלל גדול עשויה להיות חסרת משמעות, בעוד טעות 3( כגון נתיב האוויר והחלל הסינונזלי דומה בסימון תעלה עצבית עלולה לשנות תכנון שתל או עקירת שן כלואה. תחום נוסף הוא איתור ממצאים פתולוגיים, ובייחוד רדיולוצנציות פריאפיקליות. מספר מחקרים הראו כי רשתות למידה עמוקה ). מערכות רחבות יותר נוסו גם בזיהוי שיניים חסרות 5,6( ברמת ביצוע מבטיחה CBCT מסוגלות לזהות נגעים פריאפיקליים ב- ). יישום אפשרי הוא מיון מוקדם של בדיקות, סימון אזורים 7( או כלואות, טיפולי שורש, עששת, אובדן עצם וממצאים בסינוסים חשודים ומתן "קריאה שנייה" לרופא. עם זאת, בחלק ניכר מהמחקרים אמת המידה הייתה הסכמה של מומחים על אותה הדמיה, ולא אימות באמצעות היסטולוגיה, ממצא כירורגי או מעקב קליני. האלגוריתם עשוי אפוא ללמוד לשחזר פרשנות רדיולוגית מקובלת, בלי שהוכח כי הוא משפר את האבחנה הסופית או את תוצאות הטיפול. עסקו בפיתוח המודל CBCT , 40- ב AI מחקרי 59 הפער המרכזי בין מחקר ליישום קליני הוא תוקף חיצוני. בסקירה שיטתית של המחקרים הוגדרו כבעלי 59 מתוך 52 . נוספים שילבו פיתוח עם תיקוף חיצוני 11- בלבד. רק שבעה דיווחו על תיקוף חיצוני בלבד ו , גודל שדה הצילום, גודל הווקסל, פרוטוקולי השחזור ואוכלוסיות המטופלים CBCT ). השונות בין מכשירי 1( סיכון גבוה להטיה מקשה להניח שמודל שהצליח במאגר אחד ישמור על ביצועיו בכל מרפאה. שחזורים מתכתיים, שתלים, חומרי סתימה ותנועת המטופל עלולים לפגוע במיוחד באלגוריתמים שאומנו על סריקות נקיות. גם דרך הצגת התוצאה משפיעה על עבודת הרופא. סימון צבעוני או ציון הסתברות עשויים להפנות תשומת לב לממצא שהוחמץ, אך CBCT גם ליצור הטיית אוטומציה - נטייה לקבל סימון שגוי או להפסיק לחפש ממצאים נוספים לאחר שהמערכת הציעה הסבר. ב קיים סיכון נוסף של "סיפוק החיפוש", משום שנפח הסריקה עשוי לכלול ממצאים מקריים מחוץ לאזור הטיפול. מערכת המותאמת לזיהוי פתולוגיה דנטלית מסוימת אינה בהכרח מסוגלת לשלול מחלות בעצמות הלסת, בסינוסים, בדרכי האוויר או ברקמות הסמוכות. האחריות לסקירה שיטתית של מלוא הנפח נשארת בידי הרופא המפענח. אינה הצדקה לחשיפה נוספת AI לבין פענוח הבדיקה לאחר שבוצעה. נוכחות כלי CBCT חשוב גם להפריד בין ההחלטה לבצע לקרינה, ואינה מחליפה בחירה מושכלת של שדה צילום ופרוטוקול בהתאם לשאלה הקלינית. האלגוריתם עשוי לשפר את ניצול המידע בסריקה שנמצאה מוצדקת, אך אין לראות בו אמצעי המפחית כשלעצמו את מנת הקרינה. סיכום הוא שילוב של עוזר סגמנטציה וקורא שני. היא יכולה לקצר הכנת CBCT בשלב הנוכחי, השימוש הסביר ביותר בבינה מלאכותית ב מודלים, לאחד מדידות, לסמן מבנים בסיכון ולהפנות את תשומת הלב לאזורים חשודים. לעומת זאת, עדיין אין בסיס מספק להעברת

16