Registrering af fyldninger ved hjælp af kunstig intelligens

Der forskes i disse år intenst i anvendelse af kunstig intelligens (AI) inden for odontologisk diagnostik. Det er især dyb læring i form af konvolutionelle neurale netværk (CNN), der anvendes, og præcisionen af de udviklede metoder bliver bedre og bedre. 

Tyske forskere har udviklet et CNN, der kan skelne mellem forskellige typer af restaureringer, og efterfølgende testet præcisionen af værktøjet. 

Oplæringen i diagnostik af posteriore restaureringer blev foretaget ved hjælp af 1.407 kliniske fotos af høj kvalitet (401 tænder uden restaurering, 447 kompositte plastfyldninger, 66 cementfyldninger, 231 amalgamfyldninger, 93 guldrestaureringer og 169 keramiske restaureringer). Præcisionen blev testet på 354 andre fotos med nogenlunde samme fordeling af restaureringsmaterialer og urestaurerede tænder. 

Netværket udviste høj præcision ved metalrestaureringer (99,2 % for amalgamfyldninger og 99,4% for guldrestaureringer), mens det kneb mere med at adskille tandfarvede materialer og urestaurerede tænder (94,9 % for urestaurerede tænder; 92,9 % for komposit plast; 98,3 % for cementfyldninger; 97,8 % for keramiske restaureringer). 

Forskerne konkluderer, at det ved hjælp af kunstig intelligens er muligt at kategorisere forskellige typer af posteriore fyldninger med god diagnostisk nøjagtighed; men der er behov for yderligere forbedringer af nøjagtigheden, før AI-baserede algoritmer er klar til klinisk anvendelse.