Intelligenza artificiale nella diagnostica per immagini
L’utilità e le possibili applicazioni dell’Intelligenza artificiale (AI) sono oggi oggetto di discussione in tutti i settori, suscitando opinioni contrastanti tra chi ne promuove lo sviluppo, considerandola un potenziale motore di crescita economica, e chi la guarda con timore, preoccupato per il possibile impatto negativo che questa potrebbe avere a livello occupazionale.
Ma quali sono le applicazioni dell’Intelligenza Artificiale nel settore odontoiatrico e a quali conseguenze possono portare?
L’intelligenza artificiale (AI) può essere definita come la “capacità di una macchina di imitare l’intelligenza e il comportamento umani per eseguire compiti specifici”. Alla base dello sviluppo dell’AI ci sono dei meccanismi di apprendimento identificati con il termine di “Machine Learning” (ML) e “Deep Learning” (DL), che consentono alle macchine di apprendere nozioni e competenze con meccanismi analoghi a quelli del cervello umano ma con tempistiche nettamente inferiori e con una maggiore accuratezza e rapidità di risposta.
Più precisamente il loro funzionamento si basa su uno schema ben preciso: nel ML uno o più “data scientist” fungono da guida insegnando all’algoritmo i risultati da generare. In pratica, come un bambino impara a identificare numeri, forme e parole memorizzandoli così attraverso il cosiddetto ML l’algoritmo apprende da un insieme di dati precedentemente etichettati e impara a riconoscerli in autonomia.
Il DL si basa su un processo più complesso che consente un apprendimento senza l’intervento dell’uomo. Esso richiede la presenza di reti neurali artificiali progettate attraverso specifici algoritmi e una potente capacità di calcolo e analisi, analogamente a quanto avviene nel cervello umano con le connessioni neurali, emulando a tutti gli effetti il funzionamento della mente umana.
Il ML viene usato in tecnologie ad uso quotidiano quali il riconoscimento vocale o la posta elettronica (distinzione automatica tra spam e posta importante).
Trova inoltre applicazione nel riconoscimento delle immagini e più specificamente nella diagnosi delle malattie.
In ambito odontoiatrico, l’AI trova applicazioni in svariati ambiti che vanno dall’ortodonzia, alla protesi, all’implantologia al campo ben più vasto della diagnostica per immagini.
In ambito ortodontico l’AI ha portato ad esempio ad un affinamento dei trattamenti con allineatori consentendo di ottenere in maniera automatizzata una previsione dello spostamento dei denti tanto a livello coronale quanto a livello radicolare grazie alla segmentazione automatica delle radici a partire da immagini radiografiche 3D.
In ambito protesico, l’AI ha trovato invece larga applicazione nei software di disegno CAD che consentono di realizzare in pochi click lavorazioni spesso impegnative.
Grazie all’AI i software CAD sono ad esempio in grado di riconoscere gli elementi dentari, le linee di preparazione protesica e di proporre morfologie anatomiche in totale autonomia garantendo un risparmio di tempo considerevole per l’operatore.
In ambito implantare l’AI ha spianato la strada all’implantologia computer assistita dal riconoscimento di strutture anatomiche nell’esame CT (NAI, radici, seni mascellari) sino al posizionamento automatizzato degli impianti in relazione al progetto protesico.
Senza dubbio il campo in cui l’AI ha dato e potrà dare in futuro il maggior supporto è rappresentato dalla radiologia dove il processo di digitalizzazione delle immagini radiografiche ha creato un terreno fertile per l’evoluzione di questa tecnologia: le immagini radiografiche ottenute attraverso l’uso dei raggi X sono infatti codificate digitalmente a monte, rendendole facilmente traducibili in linguaggio computazionale.
Le radiografie dentarie comunemente acquisite nella pratica odontoiatrica di routine rappresentano una risorsa estremamente preziosa nell’ambito dello sviluppo dell’Intelligenza Artificiale una volta “date in pasto” a software in grado di apprenderne le caratteristiche attraverso i meccanismi di ML.
Nella pratica radiologica tradizionale, i medici valutano visivamente le immagini radiografiche e interpretano i risultati basandosi sulle caratteristiche apprezzabili ad occhio nudo. Tuttavia, questa valutazione oltre a risultare talvolta operatore dipendente, può richiedere un notevole dispendio di tempo. Al contrario, le tecniche di AI garantiscono il riconoscimento automatico di “modelli di patologia precaricati” fornendo un’analisi non solo qualitativa ma anche quantitativa, attraverso valutazioni radiologiche più rapide, precise e soprattutto ripetibili.
In odontoiatria conservativa, i meccanismi di AI trovano applicazione per diagnosticare carie e per capire l’effettiva estensione della patologia cariosa in dentina. L’analisi della scala di grigi per i diversi pixel presenti nella radiografia risulta infatti utile per discriminare la presenza o meno di lesioni cariose e la loro effettiva
estensione. Sulla base dello stesso principio, l’AI può essere d’aiuto nel rilevare patologie endodontiche e l’anatomia dei canali radicolari, suggerendo magari il grado di difficoltà di un eventuale trattamento canalare.
Sempre per quanto concerne l’analisi radiografica, in parodontologia e implantologia l’AI può tornare utile per capire le tipologie di difetto osseo presenti e per fare una valutazione del rischio di sviluppo delle patologie parodontali/perimplantari, ad esempio, attraverso l’osservazione della scomparsa della lamina dura.
In ambito ortodontico, alcune applicazioni di AI permettono infine l’automazione nel rilevamento dei punti di riferimento cefalometrici nelle teleradiografie latero-laterali, nonché la realizzazione di cefalometrie con un semplice click del mouse.
Allo stato attuale l’applicazione dell’AI nell’imaging dentale ha dimostrato un potenziale considerevole soprattutto nella valutazione di indagini bidimensionali tanto ai fini diagnostici quanto nella comunicazione con il paziente.
Per il futuro è auspicabile non solo un ampliamento di tale supporto anche alle immagini tridimensionali ma soprattutto una maggior diffusione di una tecnologia basata su meccanismi di DL che non risentano dei bias propri del ML, quali la necessità di avere data set corposi e uniformi nonché la capacità di “addestramento” che porta con sé variabili come l’esperienza dell’operatore e la tipologia del campione analizzato.
Quando l’evoluzione avrà raggiunto un tale livello siamo certi che l’AI potrà svolgere un ruolo cruciale e imprescindibile nell’assistenza ai professionisti medici durante il processo decisionale quotidiano.
Sei interessato ad una consulenza su questo argomento?
Puoi richiederla qui!
Autore
Dott. Massimiliano Urso
Odontoiatra Specialista in Chirurgia Odontostomatologica esperto di Odontoiatria Digitale e Implantologia computer Assistita. Svolge attività clinica presso il proprio studio a Cinisello Balsamo (MI) dedicandosi prevalentemente all’applicazione delle nuove tecnologie in ambito odontoiatrico.
Ha partecipato come relatore a congressi nazionali ed esteri su argomenti di Odontoiatria Digitale e collabora da diversi anni in qualità di KOL con varie aziende del settore per lo sviluppo di nuove soluzioni e tecnologie.
Ma quali sono le applicazioni dell’Intelligenza Artificiale nel settore odontoiatrico e a quali conseguenze possono portare?
Cosa è l’Intelligenza Artificiale
Per rispondere al meglio a questi quesiti cominciamo con il definire cosa si intende per Intelligenza Artificiale.L’intelligenza artificiale (AI) può essere definita come la “capacità di una macchina di imitare l’intelligenza e il comportamento umani per eseguire compiti specifici”. Alla base dello sviluppo dell’AI ci sono dei meccanismi di apprendimento identificati con il termine di “Machine Learning” (ML) e “Deep Learning” (DL), che consentono alle macchine di apprendere nozioni e competenze con meccanismi analoghi a quelli del cervello umano ma con tempistiche nettamente inferiori e con una maggiore accuratezza e rapidità di risposta.
Più precisamente il loro funzionamento si basa su uno schema ben preciso: nel ML uno o più “data scientist” fungono da guida insegnando all’algoritmo i risultati da generare. In pratica, come un bambino impara a identificare numeri, forme e parole memorizzandoli così attraverso il cosiddetto ML l’algoritmo apprende da un insieme di dati precedentemente etichettati e impara a riconoscerli in autonomia.
Il DL si basa su un processo più complesso che consente un apprendimento senza l’intervento dell’uomo. Esso richiede la presenza di reti neurali artificiali progettate attraverso specifici algoritmi e una potente capacità di calcolo e analisi, analogamente a quanto avviene nel cervello umano con le connessioni neurali, emulando a tutti gli effetti il funzionamento della mente umana.
Il ML viene usato in tecnologie ad uso quotidiano quali il riconoscimento vocale o la posta elettronica (distinzione automatica tra spam e posta importante).
Trova inoltre applicazione nel riconoscimento delle immagini e più specificamente nella diagnosi delle malattie.
Applicazioni in diverse aree odontoiatriche
Il Deep Learning viene utilizzato in ambiti più complicati come l’auto a guida autonoma, il funzionamento dei robot chirurgici e nelle traduzioni automatiche.In ambito odontoiatrico, l’AI trova applicazioni in svariati ambiti che vanno dall’ortodonzia, alla protesi, all’implantologia al campo ben più vasto della diagnostica per immagini.
In ambito ortodontico l’AI ha portato ad esempio ad un affinamento dei trattamenti con allineatori consentendo di ottenere in maniera automatizzata una previsione dello spostamento dei denti tanto a livello coronale quanto a livello radicolare grazie alla segmentazione automatica delle radici a partire da immagini radiografiche 3D.
In ambito protesico, l’AI ha trovato invece larga applicazione nei software di disegno CAD che consentono di realizzare in pochi click lavorazioni spesso impegnative.
Grazie all’AI i software CAD sono ad esempio in grado di riconoscere gli elementi dentari, le linee di preparazione protesica e di proporre morfologie anatomiche in totale autonomia garantendo un risparmio di tempo considerevole per l’operatore.
In ambito implantare l’AI ha spianato la strada all’implantologia computer assistita dal riconoscimento di strutture anatomiche nell’esame CT (NAI, radici, seni mascellari) sino al posizionamento automatizzato degli impianti in relazione al progetto protesico.
Senza dubbio il campo in cui l’AI ha dato e potrà dare in futuro il maggior supporto è rappresentato dalla radiologia dove il processo di digitalizzazione delle immagini radiografiche ha creato un terreno fertile per l’evoluzione di questa tecnologia: le immagini radiografiche ottenute attraverso l’uso dei raggi X sono infatti codificate digitalmente a monte, rendendole facilmente traducibili in linguaggio computazionale.
Le radiografie dentarie comunemente acquisite nella pratica odontoiatrica di routine rappresentano una risorsa estremamente preziosa nell’ambito dello sviluppo dell’Intelligenza Artificiale una volta “date in pasto” a software in grado di apprenderne le caratteristiche attraverso i meccanismi di ML.
Nella pratica radiologica tradizionale, i medici valutano visivamente le immagini radiografiche e interpretano i risultati basandosi sulle caratteristiche apprezzabili ad occhio nudo. Tuttavia, questa valutazione oltre a risultare talvolta operatore dipendente, può richiedere un notevole dispendio di tempo. Al contrario, le tecniche di AI garantiscono il riconoscimento automatico di “modelli di patologia precaricati” fornendo un’analisi non solo qualitativa ma anche quantitativa, attraverso valutazioni radiologiche più rapide, precise e soprattutto ripetibili.
In odontoiatria conservativa, i meccanismi di AI trovano applicazione per diagnosticare carie e per capire l’effettiva estensione della patologia cariosa in dentina. L’analisi della scala di grigi per i diversi pixel presenti nella radiografia risulta infatti utile per discriminare la presenza o meno di lesioni cariose e la loro effettiva
estensione. Sulla base dello stesso principio, l’AI può essere d’aiuto nel rilevare patologie endodontiche e l’anatomia dei canali radicolari, suggerendo magari il grado di difficoltà di un eventuale trattamento canalare.
Sempre per quanto concerne l’analisi radiografica, in parodontologia e implantologia l’AI può tornare utile per capire le tipologie di difetto osseo presenti e per fare una valutazione del rischio di sviluppo delle patologie parodontali/perimplantari, ad esempio, attraverso l’osservazione della scomparsa della lamina dura.
In ambito ortodontico, alcune applicazioni di AI permettono infine l’automazione nel rilevamento dei punti di riferimento cefalometrici nelle teleradiografie latero-laterali, nonché la realizzazione di cefalometrie con un semplice click del mouse.
Allo stato attuale l’applicazione dell’AI nell’imaging dentale ha dimostrato un potenziale considerevole soprattutto nella valutazione di indagini bidimensionali tanto ai fini diagnostici quanto nella comunicazione con il paziente.
Per il futuro è auspicabile non solo un ampliamento di tale supporto anche alle immagini tridimensionali ma soprattutto una maggior diffusione di una tecnologia basata su meccanismi di DL che non risentano dei bias propri del ML, quali la necessità di avere data set corposi e uniformi nonché la capacità di “addestramento” che porta con sé variabili come l’esperienza dell’operatore e la tipologia del campione analizzato.
Quando l’evoluzione avrà raggiunto un tale livello siamo certi che l’AI potrà svolgere un ruolo cruciale e imprescindibile nell’assistenza ai professionisti medici durante il processo decisionale quotidiano.
Sei interessato ad una consulenza su questo argomento?
Puoi richiederla qui!
Autore
Dott. Massimiliano Urso
Odontoiatra Specialista in Chirurgia Odontostomatologica esperto di Odontoiatria Digitale e Implantologia computer Assistita. Svolge attività clinica presso il proprio studio a Cinisello Balsamo (MI) dedicandosi prevalentemente all’applicazione delle nuove tecnologie in ambito odontoiatrico.
Ha partecipato come relatore a congressi nazionali ed esteri su argomenti di Odontoiatria Digitale e collabora da diversi anni in qualità di KOL con varie aziende del settore per lo sviluppo di nuove soluzioni e tecnologie.
.png)
