Искусственный интеллект помогает в стоматологии и челюстно-лицевой хирургии
10.05.2023
Стоматолог, устанавливающий зубной имплантат, должен знать точное расположение нервного канала в нижней челюсти пациента, чтобы планировать размер и положение имплантата, а также общую процедуру имплантации. Для этого необходимы рентгеновские снимки, на которых стоматолог или рентгенолог вручную отмечает расположение канала точка за точкой. Изучение и анализ этих изображений может быть достаточно трудоемким.
Производитель стоматологического оборудования компания Planmeca, Финский центр искусственного интеллекта (FCAI) и Университетская клиника Тампере (Tays, https://www.tays.fi/ru-RU) объединили свои усилия для решения этой проблемы. Результатом стала модель на основе искусственного интеллекта, которая определяет местонахождение нервного канала нижней челюсти в 3D-рентгеновском снимке быстрее, чем человек, и с большей точностью, чем другие автоматизированные методы.
«Сотрудничество возникло из-за потребностей врачей-клиницистов и из-за поиска способов облегчить их повседневную работу. Использование искусственного интеллекта при планировании лечения пациентов позволяет сэкономить много времени», — говорит Веса Варйонен, вице-президент по исследованиям и технологиям в компании Planmeca.
Метод основан на обучении глубоких нейронных сетей на большом количестве клинических данных, состоящих из трехмерных изображений, полученных с помощью конусно-лучевой компьютерной томографии (КЛКТ).
«Университетская больница Тампере предоставила нам обширные и разносторонние клинические материалы, полученные с помощью нескольких устройств 3D-визуализации. Данные были разделены случайным образом, и часть их использовалась для обучения нейронных сетей, а часть – для тестирования и проверки разработанного метода», – говорит докторант Университета Аалто Яакко Сальстен.
Искусственный интеллект – эффективный и надежный инструмент
Нервы, контролирующие двигательные функции челюсти и лицевых органов чувств, проходят в нервных каналах нижней челюсти (нижнечелюстных каналах). Помимо установки имплантатов, их расположение имеет важнейшее значение при удалении зубов мудрости и в челюстно-лицевой хирургии. Расположение и маршрут канала, проходящего внутри челюстной кости, уникальны для каждого человека.
«Одна из проблем при обучении модели ИИ заключалась в том, что размер нижнечелюстного канала на 3D-рентгеновском снимке черепа очень мал по сравнению с данными на общем изображении. Как набор данных, этот тип учебного материала очень важен. несбалансирован», — отмечает Сальстен. Совместная работа с рентгенологами больницы Tays сыграла ключевую роль в использовании данных при обучении искусственного интеллекта.
«Когда в нейронную сеть подается огромное количество данных и в ней отмечается расположение нижнечелюстного канала, она учится оптимизировать собственные внутренние параметры. Нейронная сеть, полученная в результате этого обучения, быстро находит нижнечелюстной канал из отдельных 3D-изображений», – говорит Варйонен.
Тестирование нейросетевой модели на данных пациентов, выделенных из материалов исследования, показало, что модели удалось с высокой точностью локализовать нижнечелюстные каналы: только 1–4% случаев могут быть неточными.
«При клинической оценке эксперты изучили результаты, полученные с помощью модели, и обнаружили, что в 96% случаев они полностью пригодны для клинического использования. Мы абсолютно уверены, что модель работает хорошо», – говорит Сальстен.
По сравнению с человеком одним из преимуществ искусственного интеллекта является то, что он всегда работает с одинаковой эффективностью и скоростью. Модель ИИ ускоряет обнаружение нижнечелюстного канала и поддерживает принятие решений рентгенологами и врачами-стоматологами. Окончательные решения о лечении всегда принимаются медицинским работником.
Публикации подтверждают функциональность модели
Научные публикации, выпускаемые в рамках коллаборации, важны для всех партнеров проекта. Некоторые результаты были опубликованы в Scientific Reports.
«Рецензируемые публикации являются убедительным доказательством функциональности модели. Глубокое обучение ранее не использовалось в задачах такого типа, что повышает ценность публикаций. Они также продвигают работу докторских диссертаций», – говорит Сальстен.
«Эти публикации будут важны для нас при подаче заявки на регистрацию медицинского устройства и нашего программного обеспечения. Они демонстрируют, что программное обеспечение было разработано в соответствии с принятыми процессами разработки ПО и тщательно проверено на всех необходимых этапах», – отмечает Варйонен.
В дополнение к обнаружению нервного канала нижней челюсти совместный проект Planmeca, FCAI и Tays также предусматривал разработку рабочей модели нейронной сети для ортогнатической хирургии, при которой аномалии в нижней части лица исправляются с помощью хирургических вмешательств.
«Модель помогает определить ориентиры в области черепа для исправления неправильного прикуса и планирования ортогнатической операции. Для ее разработки использовали те же данные пациентов», – говорит Варйонен.
В будущем искусственный интеллект сможет многое предложить для развития медицинских систем и приложений.
«Я рассматриваю искусственный интеллект как очень мощный инструмент, который врачи и другие эксперты могут использовать при проведении первичной диагностики или для получения альтернативных мнений. Проблема с моделями глубокого обучения заключается в том, что мы не можем дать определенные основания относительно того, почему модель достигает определенного результата. «Необходимы дальнейшие исследования, чтобы повысить объяснимость и прозрачность моделей», — заключает Сальстен.
Источник: Журнал Nature.com