לדברי מחברי המאמר, השכיחות העולמית של מחלות החניכיים נעה בין 20 ל-50 אחוזים. על פי נתונים ממחקר נטל המחלות הגלובלי שנערך ב-2019, כ-3.5 מיליארד אנשים ברחבי העולם סובלים ממחלות הקשורות לבריאות הפה. מתוך מספר זה, כמיליארד בני אדם נפגעים ממחלת חניכיים חמורה, המהווה כ-14 אחוזים מהאוכלוסייה הבוגרת העולמית ואשר עלולה להיות לה השפעה גדולה על איכות החיים של האדם. פגיעה באסתטיקה ובלעיסה ודימוי וביטחון עצמי נמוכים הם השלכות נפוצות. בסקר בחינת הבריאות והתזונה הלאומי משנת 2019 דווח כי כ-47.2 אחוזים מהמבוגרים בארצות הברית סובלים ממחלת חניכיים קלה עד חמורה. אי מתן טיפול מהיר עלול להוביל לקידום ספיגת העצם, המאופיינת בניידות שיניים ובסופו של דבר באובדן שיניים.
הסיווג של מחלות החניכיים ממלא תפקיד מרכזי בזיהוי חומרת והיקף התקדמות המחלה, ובכך מקל על גיבוש תכנית טיפול יעילה והערכה פרוגנוסטית. באופן מסורתי, הסיווג של מחלות החניכיים נשען במידה רבה על זיהוי קליני או רנטגני של אובדן העצם המכתשית. עם זאת, זיהוי קליני של אובדן עצם הוא הליך רגיש לטכניקה.
בינה מלאכותית (AI) היא מוקד מחקר מתפתח ברפואת השיניים, עם פיתוחים ויישומים רבים. באופן ספציפי, ניתן להגדיר בינה מלאכותית כיכולת של מכונה לבצע משימות התואמות פעילויות אינטליגנטיות, כגון זיהוי, קבלת החלטות ופתרון בעיות ללא צורך בקלט אנושי. למידת מכונה (ML) משמשת כתת-קבוצה שלAI , בה נעשה שימוש באלגוריתמים על מנת לחזות תוצאות על בסיס מערך נתונים נתון. למידה עמוקה (DL) מהווה תת-קבוצה שלML , המשתמשת ברשתות עצביות מלאכותיות על מנת לחקות את תהליכי הלמידה של המוח האנושי ולהציע מסגרות מתמטיות המאפשרות סיווג של תוצאות, תוך הסתמכות על ניתוחים של נתונים בבעיות בממד גבוה. מודלים של בינה מלאכותית הופיעו כמשאבים בעלי ערך פוטנציאלי בסיוע לקלינאים בבעיות דנטליות שונות, החל מגילוי עששת ועד להערכה של גרורות מחוץ לבלוטות של גידולי הצוואר. מחקרים מצביעים על כך שבינה מלאכותית עשויה להיות מכשיר יוצא דופן למיטוב הטיפול במתרפאים תוך הפחתת עומס העבודה על רופאים באופן ניכר.
מטרה
סקירה שיטתית זו נועדה לבחון את המודלים השונים של AI המשמשים לאיתור אובדן עצם פריודונטליתPBL) ) ולהעריך את הדיוק שלהם בסיווג מחלות החניכיים.
המחברים ערכו חיפוש אלקטרוני במאגרי המידע של PubMed, Scopus ו-Web of Science למאמרים שפורסמו עד לחודש אוגוסט 2022. בסקירה נכללו מאמרים המעריכים את היעילות של AI בקביעת PBL. המחברים העריכו את המאמרים באמצעות כלי להערכת דיוק האבחון לאיכות מחקרים והשתמשו בקריטריונים לדירוג ההמלצות להערכה, אומדן ופיתוח לשם הערכת וודאות הראיות.
מתוך 13 המאמרים שזוהו באמצעות החיפוש האלקטרוני, שישה המחקרים אשר עמדו בקריטריונים שנקבעו להכללה השתמשו במגוון אלגוריתמים של בינה מלאכותית ושיטות שונות, כולל צילומי רנטגן פנורמיים ותוך-אורליים. התוצאות שנמדדו היו: דיוק, רגישות, ספציפיות, ודיוק הפיקסלים. למרות שכמה מחקרים לא מצאו הבדל מהותי בין AI לבין ביצועי רופאי השיניים, אחרים הדגימו את העליונות של AI בזיהוי אובדן עצם פריודונטלית .נמצאו עדויות המצביעות על כך של-AI יש את הפוטנציאל כדי לסייע באיתור אובדן עצם ובסיווג של מחלות החניכיים.
מסקנות
לדברי החוקרים, נדרש מחקר נוסף לשם סטנדרטיזציה של האלגוריתמים של AI ואימות התועלת הקלינית שלהם. ההשלכות המעשיות של המחקר הן, כי למרות שהשימוש ב-AI עשוי להציע כמה יתרונות בזיהוי וסיווג מחלות החניכיים, רמת העדויות הנמוכה והביצועים הלא עקביים של אלגוריתמים של בינה מלאכותית מצביעים על כך, שיש לנקוט משנה זהירות כאשר שוקלים את השימוש במודלים של בינה מלאכותית באבחון של אובדן עצם פריודונטלית .
Patil S, Joda T, Soffe B, et al. Efficacy of artificial intelligence in the detection of periodontal bone loss and classification of periodontal diseases A systematic review. J Am Dent Assoc 2023; 154(9): 795-804