הדיגיטציה באנדודונטיה מתכנסת כיום לשני צירים שמשלימים זה את זה: (1) אנדודונטיה מונחית, סטטית או דינמית   שמטרתה להפוך את הגישה לתעלה (ובעיקר לתעלה מסוידת/קשה לאיתור) לתהליך מדויק וצפוי יותר; (2) בינה מלאכותית (AI) שמתווספת כשכבת עזר באבחון ובהערכת הדמיות, ובעתיד גם בתכנון. השילוב בין שני הצירים עשוי לשנות את גבולות היכולת הקלינית במקרים שבעבר נחשבו “מסוכנים מדי” או “תלויי־מומחה”.

באנדודונטיה מונחית סטטית, המהלך מוכר: CBCT + סריקה אינטרה־אורלית → תכנון נתיב גישה → הדפסת מדריך שמכוון את המקדח. באנידודונטיה מונחית דינמית, המסלול מתבצע באמצעות מערכת ניווט בזמן אמת (tracking) שמציגה על המסך את זווית/עומק המקדח ביחס להדמיה. סקירה שיטתית מרכזית הראתה כי guided endodontics יעילה במיוחד בהתמודדות עם תעלות מסוידות, אך גם הדגישה מגבלות: דיוק תלוי באיכות נתונים, טעויות רישום, ארטיפקטים, וניסיון מפעיל.¹ מחקר מעבדתי השוואתי הראה יתרון לניווט (סטטי/דינמי) מול freehand במדדי דיוק של לוקליזציית תעלה, תוך הדגשת ההבדלים בין השיטות בתלות במפעיל.²

הבחירה בין סטטי לדינמי אינה “טוב/רע” אלא התאמה למקרה ולמרפאה. סטטי לרוב פשוט יותר ליישום לאחר שהמערכת קיימת (הדפסה/מעבדה), אך פחות גמיש בזמן אמת. דינמי גמיש יותר, “פתוח” יותר, ולעיתים מתאים גם למצבים שבהם המדריך מוגבל מרחבית,  אך מצריך מיומנות עבודה עם משוב מסך וסט רישום/כיול. סקירה שיטתית על dynamic navigation באנדודונטיה מצאה שהספרות עדיין מורכבת ברובה ממחקרי מעבדה ודיווחי מקרה/סדרות, ולכן יש צורך בעוד מחקרים קליניים מבוקרים, אך הפוטנציאל ברור: הפחתת iatrogenic errors בעיקר בשלבי הלוקליזציה.³

במישור הקליני, תעלות מסוידות הן אינדיקציה בולטת משום שהן מאתגרות גם אבחנתית וגם טכנית. עבודות קלאסיות על pulp canal obliteration מדגישות שהמטרה אינה “לרדוף” אחר תעלה בכל מחיר, אלא לנהל סיכון: לעיתים CBCT משנה החלטה טיפולית, ולעיתים הוא חיוני כדי לא להיכנס למסלול מסוכן.⁴,⁵ כאן נכנסת החשיבות של הנחיות לשימוש ב-CBCT: העמדה של האיגוד האירופי לאנדודונטיה (ESE) קובעת שימוש לפי אינדיקציות ברורות ותוך צמצום מינון (ALARA), עם העדפה לשדה קטן (FOV) כאשר ניתן.⁶

הציר השני, AI, הופך רלוונטי בעיקר בשלב האבחון והבקרה: זיהוי נגעים פריאפיקליים, הערכת מורכבות אנטומית, ולעיתים זיהוי ממצאים שקשה לראות בעין אנושית עקבית. סקירות ספרות עדכניות מסכמות כי מודלים מבוססי למידה עמוקה מציגים ביצועים מבטיחים בזיהוי נגעים פריאפיקליים ובמשימות אנדודונטיות שונות, אך מדגישות גם מגבלות: שונות בין מאגרי אימון, הטיות מדגם, והיעדר סטנדרטיזציה של “אמת מידה” קלינית.⁷

בנקודה זו חשוב לדייק: AI אינו “מאבחן במקום רופא”, אלא כלי שמטרתו להפחית החמצות, לשפר עקביות, ולהציע דעה נוספת,  במיוחד במקרים גבוליים. בפועל, מרפאות שמאמצות תהליכים דיגיטליים מדווחות על ערך בעיקר בהפחתת זמן לוקליזציה בתעלות קשות, ובהפחתת סיכון לפרפורציה בשלב המסוכן ביותר: “הגעה לתעלה”.

העתיד הסביר הוא אינטגרציה: AI יסמן/יסגמנט תעלה ויציע נתיב, והניווט יאפשר לבצע אותו בדיוק. ועד אז, העיקרון נשאר שמרני: אימוץ מדורג, בחירת מקרים נכונה, ותיעוד תוצאות. כך הטכנולוגיה הופכת מ”גאדג׳ט” לכלי קליני יציב.

רשימת ספרות

  1. Moreno-Rabié C, Torres A, Lambrechts P, Jacobs R. Clinical applications, accuracy and limitations of guided endodontics: a systematic review. Int Endod J. 2020;53(2):214–231.
  2. Huth KC, et al. Comparing accuracy in guided endodontics: dynamic navigation, static guides and freehand technique (in vitro). Clin Oral Investig. 2024.
  3. Vasudevan A, et al. Dynamic Navigation in Guided Endodontics – A Systematic Review. Eur Endod J. 2022.
  4. McCabe PS, Dummer PMH. Pulp canal obliteration: an endodontic diagnosis and treatment challenge. Int Endod J. 2012;45(2):177–197.
  5. Connert T. Guided Endodontics—Potential and limitations. Aust Dent J. 2025;70(Suppl 1):S118–S128.
  6. Patel S, Brown J, Semper M, Abella F, Mannocci F. ESE position statement: Use of cone beam computed tomography in Endodontics. Int Endod J. 2019;52:1675–1678.
  7. Kenia KUN, et al. Artificial Intelligence in the Diagnosis, Treatment, and Prognostication in Endodontics: a comprehensive literature review. 2025.