ניהול מוקדם של נגעי עששת שלא עברו קוויטציה מחייב בראש ובראשונה את היכולת לזהות אותם. אסטרטגיית האבחון הסטנדרטית, בדיקה חזותית ומישוש, אינה מאפשרת בדרך כלל גילוי נגעים מוקדמים בפני שטח בלתי ניתנים לגישה (למשל, אזורים פרוקסימליים). שיטה נפוצה נוספת לאיתור נגעים בשלבים מוקדמים על פני שטח פרוקסימליים ולהערכת היקפם היא באמצעות צילומי נשך. בעוד שהינה יותר רגישה לאיתור נגעים מוקדמים מאשר בדיקה חזותית ומישוש, להערכה עם צילומי נשך ישנה שונות משמעותית בין בודקים שונים ואחוז ניכר של גילויים המהווים ממצא כוזב חיובי או שלילי. מחברי המאמר מציינים, כי בעבר הוצע להשתמש בבינה מלאכותית (AI), ובמיוחד בלמידה עמוקה באמצעות רשתות עצביות (מושג בלמידת מכונה של רשת עצבית מלאכותית, בה הנוירונים מסודרים כך שהם מגיבים לתחומים חופפים בשדה הראייה), על מנת להתגבר על האמינות והתקפות המוגבלת של ניתוחי צילומי רנטגן של שיניים. רשתות עצביות אלו מאפשרות למפות קלט מסוים (צילום) לידי פלט (קלסיפיקציה), בהתבסס על לימוד מנתונים. תהליך הלמידה כולל תיוג ואספקת תמונה, והתווייה של אלה לרשת עצבית המתאימה עצמה כדי לחזות את נוכחות הגוף המסומן (הנגע העששתי) על פי נתונים בלתי נראים. בעבר הכשירו, תיקפו ובדקו המחברים רשת עצבית מלאה לצורך איתור נגעי עששת, אותה כינו U-net, אשר הניבה דיוק רב יותר מרופא השיניים. הם מציינים כי הרשת הראתה רגישות גבוהה משמעותית מאשר רופאי שיניים, במיוחד לאיתור נגעים מוקדמים. הם מציעים שבעתיד ישתמשו רופאי השיניים בטכנולוגיית הבינה המלאכותית הזו באמצעות יישום תוכנה, המאפשרת להציג נגעי עששת מזוהים על גבי צילומי נשך שנבחנו באמצעות תוכנה דרך פונקציית העלאה.
לטענתם, בעת הטיפול הקליני, לאיתור הפתולוגיה, כלומר נגע העששת ישנה השפעה מוגבלת בלבד על המתרפא (למשל, על בריאותו) או על מערכת טיפולי הבריאות (למשל, העלויות שנוצרו). לעומת זאת, תוצאות הבריאות והעלויות נקבעות על ידי החלטות טיפול שנעשות לאחר מכן (העלויות לאבחון עצמו הן בדרך כלל רק חלק קטן מעלויות הטיפול). הוכח בעבר, כי יש לבצע הערכה שיטתית של אסטרטגיות האבחון בשילוב עם הטיפול שניתן, באופן אידיאלי לאורך אופק ארוך טווח, בעיקר מאחר ולהחלטות הטיפול הראשוניות ישנן השלכות ארוכות טווח (למשל, הצורך בטיפולים חוזרים והעלויות שנוצרות).
מטרה
המחקר הנוכחי נועד להעריך את עלות התועלת של השימוש בבינה מלאכותית לזיהוי עששת פרוקסימאלית בצילומי נשך. לצורך המחקר, הוכשרה, אומתה ונבדקה הרשת העצבית המלאה U-Net על 3,293, 252 ו-141 צילומי נשך בהתאמה, שעליהם סימנו ארבעה רופאי שיניים מנוסים את מיקום נגעי עששת לשם בדיקת התייחסות. הנגעים רובדו לנגעים ראשוניים שסווגו ללא קוויטציה, אשר באם התגלו טופלו באינפילטרציה של העששת, ולנגעים מתקדמים שסווגו כגורמי קוויטציה ועברו טיפול משקם. נעשה שימוש במודל של מרקוב כדי לדמות את ההשלכות של גילויים כוזבים חיוביים ושליליים של נגעים, כמו גם את ההחלטות הבאות לאורך חייהם של המתרפאים. התוצאה הבריאותית של המחקר הייתה מדד השנים בהן התקיימה שמירת השיניים. העלויות נמדדו ביורו בשנת 2020. בוצעו מיקרו סימולציות וניתוחי רגישות חד משתנים והסתברותיים. נערך כימות של היחס המצטבר של עלות-תועלת (ICER) וקבילותה בספי הנכונות השונים לתשלום. הבינה המלאכותית הראתה דיוק של 0.80 ואילו הדיוק הממוצע של רופאי השיניים היה נמוך משמעותית והגיע ל-0.71. הבינה המלאכותית הייתה באופן משמעותי רגישה יותר מרופאי השיניים, בעוד שהספציפיות לא הייתה נמוכה באופן משמעותי. בתרחיש הבסיסי, הבינה מלאכותית הייתה יעילה יותר ויקרה פחות מאשר ההערכה ללא הבינה המלאכותית. ה-ICER היה 13.9 יורו לשנה (כלומר שהשימוש בבינה המלאכותית הביא לחסכון כסף ביעילות גבוהה יותר). ברוב המקרים (> 77 אחוזים) השימוש בבינה המלאכותית היה פחות יקר ויעיל יותר.
מסקנת החוקרים היא, כי השימוש ביישום הבינה המלאכותית לזיהוי נגעי עששת עשוי להיות חסכוני, בעיקר מכיוון שפחות נגעים נותרים בלתי מזוהים. הם מציינים כי עלות תועלת הזו מחייבת את רופאי השיניים לנהל את זיהויים של הנגעים המוקדמים באופן לא משקם.
Schwendicke F, Rossi JG, Göstemeyer G. Cost-effectiveness of artificial intelligence for proximal caries detection. J Dent Res 2020. DOI: 10.1177/0022034520972335