יכולת לזהות עששת בשלב מוקדם היא מרכיב קריטי בטיפול מונע ובשמירה על שיניים טבעיות לאורך זמן. עד לאחרונה התבסס האבחון בעיקר על כישורי ההתבוננות של רופא השיניים בצילומי רנטגן ובבדיקה קלינית, תהליך שתלוי מאוד בניסיון ובשונות אישית, וחשוף לסיכון של פספוס או אבחון יתר. בשנים האחרונות פותחו מערכות מתקדמות המבוססות על בינה מלאכותית (AI), המסוגלות לנתח צילומי רנטגן ותמונות תוך־פיות בדיוק גבוה מאוד, תוך הפחתת הטיות אנושיות ושיפור רמת האחידות באבחנה.

מחקרים עדכניים מראים כי רשתות עצביות קונבולוציוניות (CNN) מציגות רגישות ודיוק גבוהים במיוחד בזיהוי עששת בצילומי bitewing ופנורמי, לעיתים אף עולים על ביצועי רופאי שיניים מנוסים. מטא־אנליזה שפורסמה בשנת 2025 הראתה כי כלי AI מציעים רגישות גבוהה יותר מהשיטות הקונבנציונליות, לצד דיוק דומה או טוב יותר. מחקר של Bayati וחב’ (2025) הדגים שימוש במודל YOLOv8 שזיהה עששת בין־שִׁינִית בצילומי bitewing ברגישות של כ־92% ובמהירות המאפשרת שימוש בזמן אמת בקליניקה.

במחקר קליני רחב היקף (BMC Oral Health, 2024) נמצא כי מערכת AI המבוססת על MobileNet-v3 ו-U-Net, בשילוב עם צילום תוך־פיו, השיגה דיוק כולל של 93.4%, עם רגישות של 81.3% וספציפיות של 95.7%. שיעור הערך הניבוי השלילי (NPV) הגבוה — 96.5% — מלמד על אמינות יוצאת דופן בזיהוי היעדר עששת, נתון קריטי בהחלטות טיפוליות. במקביל, מחקרי MDPI הראו כי יישום AI בצילומי פנורמה תלת־ממדיים משתווה לביצועי מומחים, ובכך מאפשר איתור מוקדם ושיטתי של נגעים קריוזיים.

גם במישור הטכנולוגי המסחרי נרשמות התפתחויות. מערכת VideaHealth Caries 3.0 מציגה שיפור משמעותי באמינות האבחנה, עם הפחתת “חיובי שווא” בכ־65% והפחתת השונות בין רופאים בכ־70%. נתונים אלו מדגימים כיצד שילוב AI לא רק מעלה את רמת הדיוק אלא גם תורם לאחידות טיפולית בין מטפלים שונים.

מעבר לאבחון רדיוגרפי, מערכות AI משתלבות גם בצילום תוך־פיו ומצלמות אינטראוראליות, ומאפשרות זיהוי חזותי של עששת מוקדמת. במקביל, טכנולוגיות נוספות כדוגמת BlueCheck™, שאושרה על ידי ה-FDA, משתמשות בסמנים ביולוגיים ובפרוטאומיקה כדי לזהות מוקדים קריוזיים לפני שנראים לעין — חידוש הממחיש את הפוטנציאל הרב של AI בשילוב עם תחומים מולקולריים.

המשמעות הקלינית ברורה: מעבר מאבחון מבוסס ניסיון אישי בלבד לאבחון הנתמך על ידי מערכת אלגוריתמית, שמציעה עקביות, מהירות ויכולת ניבוי משופרת. בכך, נפתחת בפני רופאי השיניים האפשרות להעניק טיפול מניעתי מדויק יותר, לשפר את שימור הרקמות ולהגביר את אמון המטופלים באבחנה.

מקורות

  1. Al-Khalifa KS. The Use of Artificial Intelligence in Caries Detection: A Review. PMC, 2024.
  2. Luke AM. Accuracy of artificial intelligence in caries detection: a systematic review. PMC, 2025.
  3. Abbott LP. Meta-analysis demonstrates AI superior sensitivity in detecting dental caries. ScienceDirect, 2025.
  4. Marwaha J. Revolutionizing diagnosis of dental caries using AI. PMC, 2025.
  5. Bayati M. Advanced AI-driven detection of interproximal caries in bitewing. Nature, 2025.
  6. VideaHealth. Caries 3.0 AI model enhancements. Jan 2025.
  7. Zhang JW, et al. Diagnostic accuracy of AI-assisted caries detection. BMC Oral Health, 2024.
  8. Hung M. AI applications in dental caries detection from panoramic imaging. MDPI, 2025.
  9. Negi S. Umbrella review on AI in caries diagnosis. Wiley, 2024.
  10. Najeeb M. AI in restorative dentistry trends. BMC Oral Health, 2025.
  11. Wikipedia. Intraoral camera with AI.
  12. Wikipedia. Jonathan E. Mangum and BlueCheck™.