בינה מלאכותית בסורקים אינטרא־אורליים: האם היא באמת משפרת את הדיוק?

הבינה המלאכותית משולבת במהירות בתוכנות של סורקים אינטרא־אורליים, ולעיתים מוצגת כשלב הבא בשיפור דיוקם. אלא שהמונח “דיוק” מחייב הבחנה: הדיוק האופטי הבסיסי נקבע במידה רבה על ידי מקור האור, החיישן, שיטת רכישת התמונות, מרחק הסריקה ואלגוריתם חיבור התמונות; ה־AI פועל בדרך כלל לאחר קליטת המידע או במקביל לה, ומסייע בזיהוי משטחים, בסינון נתונים, בהשלמת הרשת התלת־ממדית וברישום היחסים בין סריקות. הספרות מהשנים 2024–2026 מצביעה אפוא על מסקנה זהירה: תרומתה העיקרית של הבינה המלאכותית כיום היא לייעול זרימת העבודה ולבקרת האיכות, בעוד שהשפעתה על ה־Trueness וה־Precision של המדידה עצמה אינה עקבית ותלויה מאוד ביישום המסוים [1,2]. (⁠PubMed)

במהלך הסריקה נוצרת רשת תלת־ממדית המורכבת ממספר רב של תמונות או מקטעים המחוברים זה לזה. אזורים חסרים, משטחים כפולים, לשון ורקמות רכות שנקלטו בטעות, השתקפויות ותנועת הסורק עלולים ליצור פגמים ברשת. כאן נמצא כיום היתרון המעשי ביותר של AI: זיהוי אוטומטי של מידע בלתי רצוי, סימון אזורים המחייבים השלמה, התאמת ספריות דיגיטליות לגופי סריקה וסגמנטציה אוטומטית של שיניים. פעולות שבעבר דרשו חיתוך ידני, סימון או עיבוד ממושך יכולות להתבצע בתוך שניות ובאופן אחיד יותר בין מפעילים. מטא־אנליזה מ־2025 בנושא סגמנטציה תלת־ממדית של כותרות שיניים מצאה כי מודלים של למידה עמוקה יכולים להגיע לדיוק הקרוב לזה של סגמנטציה ידנית, תוך חיסכון משמעותי בזמן. זהו שיפור מובהק ב־Workflow, אך לא שיפור של יכולת החיישן האופטי למדוד את פני השן [3]. (⁠ScienceDirect)

מחקר מעבדה מ־2025 בחן שימוש ב־AI לתיקון פגמים ברשת של סריקות קשת מלאה. התוצאות הצביעו על אפשרות לשפר את התאמת המודל לאחר טיפול בפגמים מסוימים, אך גם הראו שההשפעה אינה אחידה בכל סוגי החסרים ובכל אזורי הקשת. למעשה, האלגוריתם אינו “רואה” מידע שלא נסרק, אלא מסיק כיצד להשלים או לעבד את המשטח לפי הנתונים הקיימים. השלמה כזאת עשויה ליצור מודל נקי ורציף יותר, אך אינה מבטיחה שהוא נאמן יותר למבנה האנטומי האמיתי. לכן יש להבחין בין רשת תלת־ממדית הנראית תקינה לבין סריקה בעלת Trueness גבוה [2]. (⁠PubMed)

הזהירות חשובה במיוחד בסריקות קשת מלאה על גבי שתלים. במחקר שבחן יישום AI המבצע התאמה אוטומטית של קובץ CAD של גוף הסריקה, הפעלת היישום לא שיפרה את הדיוק באופן עקבי; בתנאי המחקר, הקבוצה שבה הופעל ה־AI אף הציגה סטיות ליניאריות וזוויתיות גדולות יותר לעומת סריקה שבה האפשרות הושבתה. ממצא זה אינו מוכיח ש־AI פוגע תמיד בסריקה, אך הוא מדגים כי עיבוד אוטומטי עלול להוסיף שגיאה כאשר זיהוי גוף הסריקה או התאמת הספרייה אינם מושלמים. לפיכך, אין לראות בתווית “AI-assisted” ערובה לדיוק גבוה יותר [4]. (⁠PubMed)

תמונה דומה עולה ממחקרים על רישום הסגר. תוכנות AI מסוגלות ליישר באופן אוטומטי את סריקות הלסת העליונה והתחתונה במנח הסגר המרבי, ובכך לחסוך את הצורך בסריקה בוקאלית או לסייע בתיקונה. במחקר קליני שהשווה ארבעה סורקים לתוכנת AI נמצאה יכולת שימושית לאתר את ה־MIP, אך הביצועים השתנו בהתאם לסורק ולתנאים הקליניים [5]. מחקרי המשך הראו כי אורך הסריקה ומספר האזורים מחוסרי השיניים משפיעים על הדיוק, ובחלק מן המצבים הסורקים עצמם הציגו Trueness ו־Precision טובים יותר מן התוכנה האוטומטית [6,7]. המשמעות היא שה־AI עשוי לפשט את רישום היחסים הבין־לסתיים, אך עדיין אינו מבטל את הצורך בבדיקת המגעים הקליניים ובביקורת של המודל הווירטואלי. (⁠PubMed)

איכות הראיות מחייבת גם היא איפוק. מרבית העבודות הישירות על AI בתוך תוכנות הסריקה הן מחקרי מעבדה, לעיתים על מערכת אחת, סורק אחד ומספר קטן של סריקות. רק מעט מחקרים בוצעו בתנאים קליניים, ואין עדיין די מחקרי תוצאה הבודקים אם השימוש ב־AI מפחית התאמות של כתרים, משפר התאמה פסיבית של שיקומים על שתלים או מאריך את שרידות השחזורים. בנוסף, עדכוני תוכנה יכולים לשנות את ביצועי אותה מערכת בין מועד ביצוע המחקר למועד פרסומו.

המסקנה הקלינית היא שהבינה המלאכותית כבר משנה את העבודה עם הסורק, אך בעיקר באמצעות אוטומציה: היא מקצרת עיבוד, מסייעת בזיהוי אזורים חסרים, מסננת רקמות בלתי רצויות, מבצעת סגמנטציה ומפשטת שילוב של נתונים דיגיטליים. לעומת זאת, אין כיום בסיס לומר שהיא משפרת באופן כללי ועקבי את הדיוק האופטי של הסורק. במצבים מסוימים היא עשויה לשפר את המודל הסופי, במצבים אחרים השפעתה זניחה, וביישומים מורכבים היא אף עלולה להוסיף סטייה. לפיכך, יש לראות ב־AI כלי לבקרת איכות ולייעול זרימת העבודה, לא תחליף לשדה סריקה טוב, לפרוטוקול נכון ולבדיקה ביקורתית של הנתונים בידי הרופא.

ספרות

1. Eggmann F, Blatz MB. Recent advances in intraoral scanners. J Dent Res. 2024;103(13):1349-1357. doi:10.1177/00220345241271937.
2. Róth I, Géczi Z, Végh DC, Hegedüs T, Pál A, Hermann P, et al. The role of artificial intelligence in intraoral scanning for complete-arch digital impressions: an in vitro study. J Dent. 2025;156:105717. doi:10.1016/j.jdent.2025.105717.
3. Xu M, Li X, Wang L, Yu J, Li D, Chi X, Wei F. Accuracy and time efficiency of deep learning-based three-dimensional crown segmentation on intraoral scanning: a systematic review and meta-analysis. J Dent. 2025;159:105842. doi:10.1016/j.jdent.2025.105842.
4. Revilla-León M, Cascos R, Barmak AB, Kois JC, Gómez-Polo M. Influence of an artificial intelligence-based application on the accuracy of complete arch implant scans recorded by using an intraoral scanner. J Prosthet Dent. 2025;134(6):2471-2481. doi:10.1016/j.prosdent.2025.02.010.
5. Revilla-León M, Fernández-Estevan L, Barmak AB, Kois JC, Pérez-Barquero JA, et al. Accuracy of maximum intercuspal position located by using four intraoral scanners and an artificial intelligence-based program. J Prosthet Dent. 2025;134(4):1242-1250. doi:10.1016/j.prosdent.2024.03.007.
6. Revilla-León M, Gómez-Polo M, Barmak AB, Kois JC, Pérez-Barquero JA. Influence of scan extension on the accuracy of maximum intercuspal position recorded by using intraoral scanners or an artificial intelligence-based program. J Prosthet Dent. 2025;134(6):2524-2533. doi:10.1016/j.prosdent.2025.01.012.
7. Revilla-León M, Ntovas P, Barmak AB, Kois JC, Pérez-Barquero JA. Influence of edentulous areas on the accuracy of the maximum intercuspal position recorded by using different intraoral scanners or an artificial intelligence-based program. J Prosthet Dent. 2025;134(6):2534-2542. doi:10.1016/j.prosdent.2024.12.010.