Stomatolog koji ubacuje zubni implantat mora znati tačnu lokaciju nervnog kanala u donjoj vilici pacijenta da bi planirao veličinu i položaj implantata, zajedno sa celokupnom procedurom. Ovo zahteva rendgenske snimke na kojima stomatolog ili radiolog ručno određuje lokaciju kanala tačku po tačku. Proučavanje i analiza ovih slika može biti naporno i dugotrajno.
Proizvođač stomatološke opreme Planmeca, Finski centar za veštačku inteligenciju (FCAI) i Univerzitetska bolnica Tampere (Tais) udružili su snage u rešavanju ovog problema. Rezultat je model zasnovan na veštačkoj inteligenciji koji locira nervni kanal donje vilice u 3D rendgenskim zracima brže od čoveka i sa boljom preciznošću od drugih automatizovanih metoda.
„Saradnja je proizašla iz potreba stručnjaka koji se bave kliničkim radom i traženja načina da pomognu u svakodnevnom radu. Mnogo vremena se može uštedeti korišćenjem veštačke inteligencije u planiranju lečenja pacijenata“, kaže Vesa Varjonen, potpredsednik za istraživanje i tehnologiju u kompaniji Planmeca.
Metoda se zasniva na obuci dubokih neuronskih mreža sa masom kliničkih podataka, koji se sastoje od trodimenzionalnih slika prikazanih kompjuterskom tomografijom konusnog zraka (CBCT).
„Univerzitetska bolnica Tampere nam je obezbedila obimne i raznovrsne kliničke materijale proizvedene sa nekoliko uređaja za 3D snimanje. Podaci su podeljeni nasumično i deo je korišćen za obuku neuronskih mreža, a deo izolovan za testiranje i validaciju dizajnirane metode“, kaže doktorski istraživač Univerziteta Aalto Jaakko Sahlsten.
Nervi koji kontrolišu motoričke funkcije vilice i čula lica prolaze u nervnom kanalu donje vilice, mandibularnom kanalu. Pored postavljanja implantata, njegova lokacija je ključna za uklanjanje umnjaka i hirurgiju vilice. Lokacija i ruta kanala koji prolazi unutar vilične kosti je jedinstvena za svaku osobu.
„Jedan od izazova u obučavanju AI modela je bio da je veličina mandibularnog kanala na 3D rendgenskom snimku lobanje veoma mala u poređenju sa podacima na celokupnoj slici. Kao skup podataka, ova vrsta materijala za obuku je veoma neuravnoteženo“, napominje Sahlsten.
Rad zajedno sa radiolozima Tais-a bio je ključan za iskorištavanje podataka u upotrebi prilikom obuke veštačke inteligencije.
„Kada se ogromna količina podataka unese u neuronsku mrežu i u njoj se označi lokacija mandibularnog kanala, ona uči da optimizuje sopstvene unutrašnje parametre. Neuronska mreža koja je rezultat ovog učenja brzo pronalazi mandibularni kanal iz individualnog 3D unos podataka“, kaže Varjonen.
Testiranje modela neuronske mreže sa podacima o pacijentima izolovanim iz istraživačkih materijala pokazalo je da je model uspeo da locira mandibularne kanale sa velikom preciznošću: samo 1–4% slučajeva može biti netačno.
„U kliničkim procenama, stručnjaci su prošli kroz rezultate koje je proizveo model i otkrili da su u 96% slučajeva u potpunosti upotrebljivi u kliničkom smislu. Veoma smo uvereni da model dobro funkcioniše“, kaže Sahlsten.
U poređenju sa ljudima, jedna od prednosti veštačke inteligencije je to što uvek radi sa jednakom efikasnošću i brzinom. AI model ubrzava otkrivanje mandibularnog kanala i podržava donošenje odluka radiologa i lekara. Konačne odluke o lečenju uvek donosi zdravstveni radnik.
Planmeca je finsko porodično preduzeće i jedan od vodećih svetskih proizvođača opreme u oblasti zdravstvene tehnologije. Njegovi proizvodi se izvoze u preko 120 zemalja širom sveta. Poslovanje kompanije je zasnovano na 3D uređajima za snimanje zuba i softveru koji ih podržava. Za Planmeca, saradnja sa FCAI i Taisom znači značajan novi poslovni potencijal.
„Digitalnost i AI koji se koriste u opremi za snimanje su važni za nas. Integrisaćemo model neuronske mreže razvijen u ovom istraživanju u naš softver za snimanje. Ovo će poboljšati upotrebljivost i performanse naše opreme“, kaže Varjonen.
Naučne publikacije nastale u saradnji su važne za sve partnere na projektu. Neki od rezultata su objavljeni u Scientific Reports.
„Publikacije koje su recenzirale kolege su čvrst dokaz o funkcionalnosti modela. Duboko učenje ranije nije korišćeno u zadacima ovog tipa, što doprinosi vrednosti publikacija. One takođe promovišu rad doktorskih kandidata“, kaže Sahlsten.
„Publikacije će nam biti važne prilikom podnošenja zahteva za odobrenje medicinskog uređaja za naš softver. One pokazuju da je softver dizajniran u skladu sa procesima razvoja softvera i pregledan kroz sve potrebne faze“, napominje Varjonen.
Pored lociranja nervnog kanala donje vilice, projekat saradnje između Planmeca, FCAI i Tais-a obuhvatio je i razvoj modela neuronske mreže za ortognatsku hirurgiju, u kojoj se anomalije u predelu donjeg dela lica koriguju hirurškim merama.
„Model pomaže da se identifikuju orijentiri u predelu lobanje za ispravljanje malokluzije i planiranje operacije poravnanja vilice. Isti podaci o pacijentu su takođe korišćeni za drugu AI aplikaciju“, kaže Varjonen.
U budućnosti, veštačka inteligencija će imati mnogo toga da ponudi u zdravstvenim aplikacijama.
„Veštačku inteligenciju vidim kao veoma moćno sredstvo koje lekari i drugi stručnjaci mogu da koriste kada daju svoje prve procene ili da dobiju alternativna mišljenja. Izazov sa modelima dubokog učenja je u tome što ne možemo dati definitivne osnove zašto model postiže određeni ishod. Potrebna su dalja istraživanja kako bi se povećala objašnjivost i transparentnost modela“, zaključuje Sahlsten.
