Aplikimi i inteligjencës artificiale në mikrokirurgjinë endodontike

Nga Lara Figini

Në 5 vitet e fundit, falë pajisjeve dhe materialeve të teknologjisë së avancuar kirurgjikale, shkalla e suksesit të mikrokirurgjisë endodontike është përmirësuar shumë dhe ende luhatet midis 80% dhe 94%.

Përfshirja e dhëmbëve me çarje dhe defekte apikomargjinale më shpesh çon në një prognozë të pasigurt në mikrokirurgjinë endodontike; prandaj, një analizë e kujdesshme para operacionit dhe një përzgjedhje adekuate e rasteve kontribuon në shkallë më të lartë të suksesit.

Disa faktorë prognostikë mund të ndikojnë në suksesin afatgjatë; prandaj, ndonjëherë është problematike marrja e vendimeve në mjedisin klinik kur përballemi me raste kur këta lloj faktorësh janë të pranishëm. Nga pikëpamja klinike, procesi i vendimmarrjes varet shumë nga përvoja e operatorëve, kështu që mund të çojë në paragjykime dhe gabime të padëshiruara. Edhe për specialistët me përvojë, analiza e rasteve komplekse kërkon shumë kohë.

Vitet e fundit, inteligjenca artificiale (AI) është futur në fushën mjekësore dhe me përfshirjen e vazhdueshme të të dhënave të reja, modelet e AI kanë përmirësuar në mënyrë graduale parashikimin e performancës. Si një nënfushë e AI, mësimi i makinerive (ML) funksionon shkëlqyeshëm në parashikimin e prognozës në stomatologji.

Në prognozën e implantologjisë dentare, për shembull, me këtë metodë, nivelet mesatare të kockave të ardhshme të implantit individual mund të parashikohen bazuar në variablat klinike dhe radiografike. Mjete të tilla mund të thjeshtojnë opsionet e trajtimit, si dhe të zvogëlojnë kostot e panevojshme dhe dëmet që lidhen me suksesin e pamundur.

Inteligjenca artificiale mund të jetë gjithashtu e dobishme për parashikimin e saktë të rezultateve të mikrokirurgjisë endodontike, por ende nuk janë zhvilluar mjete të mjaftueshme në këtë drejtim.

Tipologjia e kërkimit dhe modaliteti i analizës

Në një studim shumë të fundit, të botuar në Journal of Dentistry, autorët u përpoqën të vendosnin dhe vërtetonin modele të mësimit të makinës për parashikimin e prognozës në mikrokirurgjinë endodontike, duke shmangur dështimin e trajtimit dhe duke mbështetur vendimmarrjen klinike.

Në këtë studim u përfshinë gjithsej 234 dhëmbë nga 178 pacientë. Mosha, gjinia, lloji i dhëmbit, numri i kanaleve rrënjore, madhësia e lezionit, lloji i defektit kockor, dendësia e mbushjes së rrënjës, gjatësia e mbushjes së rrënjës dhezgjatimi apikal, operacioni dytësor dhe faktorët prognostikë u konsideruan si variabla dhe faktorë prognostikë.

Matja radiografike u krye duke përdorur imazhe të tomografisë së kompjuterizuar me rreze konike (CBCT). Rezultatet radiografike u vlerësuan një vit pas operacionit, bazuar në klasifikimin e propozuar nga Rud dhe Molven. Grupi i shërimit jo të plotë, grupi i pasigurt i shërimit dhe grupi i pakënaqshëm i shërimit u klasifikuan të gjithë si një grup i vetëm "i pashëruar". Vështirësia e çështjes u vlerësua sipas kritereve të paracaktuara.

Rastet që tregojnë të paktën një faktor të renditur në kategorinë e vështirësisë së lartë ose më shumë se tre faktorë të moderuar u klasifikuan në grupin "të vështirë". Rastet që shfaqnin vetëm faktorë vështirësie të ulëta u vendosën në grupin e "vështirësisë minimale". Radiografitë u rishikuan në mënyrë të pavarur nga dy operatorë me përvojë dhe çdo mosmarrëveshje u zgjidh nga një specialist i tretë endodontik.

Saktësia parashikuese, ndjeshmëria, specifikimi, vlera parashikuese pozitive (PPV), vlera parashikuese negative (NPV), rezultati F1 dhe zona nën kurbë (AUC), kurba e karakteristikave operacionale të marrësit (ROC)) u llogaritën për të vlerësuar performancën parashikuese.

Rezultatet

U gjetën tetë parashikues të rëndësishëm, duke përfshirë llojin e dhëmbit, madhësinë e lezionit, llojin e defektit kockor, densitetin e mbushjes së kanalit të rrënjës, gjatësinë e mbushjes së rrënjës dhe shtrirjen apikale, moshën dhe gjininë.

Për modelin GBM saktësia parashikuese është gjetur të jetë 0.80, ndjeshmëria 0.92, specifika 0.71, PPV 0.71, NPV 0.92, F1 0, 80 dhe AUC 0.88. Për modelin RF saktësia u gjet të ishte 0.80, me ndjeshmëri 0.85, specifikë 0.76, PPV 0.73, NPV 0.87, F1 0.79 dhe AUC 0, 83.

Konkluzionet

Nga të dhënat e këtij studimi, të cilat duhen konfirmuar edhe në punime të tjera të ngjashme, mund të konkludohet se modelet e trajnuara të zhvilluara mbi bazën e tetë variablave të zakonshëm tregojnë aftësinë potenciale për të parashikuar prognozën në mikrokirurgjinë endodontike. Modeli GBM ofron garanci më të mira se modeli RF me AUC përkatësisht 0,88 dhe 0,83.

Implikimet klinike

Inteligjenca artificiale (AI) tashmë është në gjendje të bëjë diagnozën dhe prognozën bazuar në një imazh të thjeshtë me rreze X ose në një foto të vetme të një preparati histologjik. Dentistët, dhe veçanërisht endodontistët, mund të përdorin modele të mësimit të makinerive për analiza para operacionit në mikrokirurgjinë endodontike. Modelet duhet të përmirësojnë efikasitetin e vendim marrjes klinike dhe të ndihmojnë në komunikimin mjek-pacient.

Për më shumë informacion:

• Yang Qu, Zhenzhe Lin, Zhaojing Yang, Haotian Lin, Xiangya Huang, Lisha Gu. Machine learning models for prognosis prediction in endodontic microsurgery. J Dentistry 2022;118:103947.
• Molven O, Halse A, Grung B. Observer strategy and the radiographic classification of healing after endodontic surgery. Int J Oral Max Surg 1987;16(4):432-9.