Kunstig intelligens til billedoptimering og diagnostik i odontologien
I denne artikel gives en kort oversigt over grundlæggende principper for AI i forbindelse med dental billeddannelse. Dernæst vil anvendelser af AI inden for flere delområder af odontologien blive beskrevet med primært fokus på DL.
Kunstig intelligens (AI), som har eksisteret som et begreb i flere årtier, har på det seneste fået stor opmærksomhed på flere områder inden for industrien og i samfundet. Den seneste interesse for AI kan tilskrives udviklingen af nye ”machine learning”-teknikker, især inden for ”deep learning” (DL), såvel
som den stadigt øgede computerkraft, der er tilgængelig for forskere.
Det odontologiske område er særligt interessant for AI af flere årsager. Først og fremmest er dental billeddannelse en af de hyppigste typer medicinsk billeddannelse, hvilket resulterer i store mængder data, der er tilgængelige til træning af AI-værktøjer. For det andet er der en række opgaver, hvor AI kan tænkes at være til gavn, herunder detektion og klassificering af læsioner, afgrænsning af væv og forudsigelse af postoperative resultater og risici. Fordelene ved AI kan være mangesidige, og måden, hvorpå teknologien kan implementeres i den kliniske arbejdsgang, afhænger af den aktuelle opgave. Generelt kan AI betragtes som et hjælpeværktøj for klinikeren, som dermed kan optimere diagnostiske opgaver og/eller behandlinger.
I denne artikel gives en kort oversigt over grundlæggende principper for AI i forbindelse med dental billeddannelse. Dernæst vil anvendelser af AI inden for flere delområder af odontologien blive beskrevet med primært fokus på DL.
Klinisk relevans:
Kunstig intelligens (AI) vil uden tvivl komme til at spille en rolle i tandklinikkens hverdag inden for den nærmeste fremtid. AI kan anvendes til forbedring af billedkvalitet, fx for røntgenbilleder, samt være et hjælpeværktøj til diagnostik af orale sygdomme og prognosevurdering. Forskning har vist lovende resultater, men AI-teknologier er også forbundet med udfordringer og etiske dilemmaer. Implementering inden for et område skal selvklart først ske, når der er evidens for, at teknologien har vist sin værdi som et hjælpemiddel i praksis
Artificial intelligence for image optimisation and diagnostics in dentistry
Artificial intelligence (AI), which has existed as a concept for several decades, has recently gained considerable attention in several layers of industry and society. The recent interest in AI can be attributed to the development of novel machine learning techniques, especially in the field of deep learning (DL), as well as the ever-increased computational power available to researchers. Dentistry is a particularly interesting field for AI for several reasons. First of all, dental imaging is one of the most frequent types of medical imaging, resulting in large amounts of data available for the training of AI tools. Secondly, there are a variety of tasks for which the use of AI could be beneficial, including the detection and classification of lesions, the delineation of tissues, and prediction of postoperative outcome and risks. The benefits of AI can be multifold, and
the nature of its implementation in the clinical workflow depends on the task at hand. In general, AI can be considered as an accessory tool to the clinician, which may optimize the diagnostic and/or treatment process.
In this paper, a brief overview is provided of fundamental principles of AI within the context of dental imaging. Next, applications of AI within several subfields of dentistry will be described, with a primary focus on DL.
