Computer

Rapporti scientifici volume 13, numero articolo: 1561 (2023) Citare questo articolo

2555 accessi

2 citazioni

8 Altmetrico

Dettagli sulle metriche

L’attuale studio multifase in vitro ha sviluppato e convalidato una rete neurale convoluzionale tridimensionale (3D-CNN) per generare corone dentali parziali (PDC) da utilizzare in odontoiatria restaurativa. Per prima cosa è stata valutata l'efficacia degli scanner laser desktop e intraorali nella generazione di dati ai fini della 3D-CNN (fase 1). Non sono state riscontrate differenze significative nell'area superficiale [t-stat(df) = -0,01 (10), differenza media = -0,058, P > 0,99] e nel volume [t-stat(df) = 0,357(10)]. Tuttavia, le scansioni intraorali sono state scelte per la fase 2 poiché hanno prodotto un livello maggiore di dettagli volumetrici (343,83 ± 43,52 mm3) rispetto alla scansione laser desktop (322,70 ± 40,15 mm3). Nella fase 2, 120 preparazioni dentali sono state sintetizzate digitalmente da scansioni intraorali e due medici hanno progettato i rispettivi PDC utilizzando flussi di lavoro di progettazione assistita da computer (CAD) su una configurazione di personal computer. Il confronto statistico mediante ANOVA a 3 fattori ha dimostrato differenze significative nell'area superficiale (P < 0,001), nel volume (P < 0,001) e nella sovrapposizione spaziale (P < 0,001), e quindi solo i PDC più accurati (n = 30) sono stati selezionati per addestrare la rete neurale (Fase 3). L'attuale 3D-CNN ha prodotto un'accuratezza di validazione del 60%, perdita di validazione di 0,68–0,87, sensibilità di 1,00, precisione di 0,50–0,83 e serve come prova di concetto che la 3D-CNN può prevedere e generare protesi PDC in CAD per l'odontoiatria restaurativa.

Lo sviluppo dell’intelligenza artificiale (AI) ebbe luogo nel 1943, ma il termine “intelligenza artificiale” fu coniato in una sessione tenutasi a Dartmouth nel 19561. All’interno di questa analogia, l’apprendimento profondo, le reti neurali e l’apprendimento automatico sono sottoinsiemi dell’intelligenza artificiale. Le macchine possono apprendere costruendo algoritmi che risolvono problemi predittivi senza intuizioni umane2. Le reti neurali (NN) utilizzate sono modelli matematici non lineari che imitano il cervello umano nei tratti di apprendimento e processo decisionale, stimolando le capacità cognitive umane3. Tali NN possono essere complesse con livelli nascosti che possono essere addestrati a rappresentare e prevedere percezioni multistrato elaborando i dati con il deep learning2. Le reti neurali convoluzionali e le reti neurali artificiali sono i progetti più utilizzati per elaborare i dati nella pianificazione della profilassi, delle terapie chiave e nella previsione dei costi del trattamento3. Guardando al prossimo futuro, questa tecnologia porterà all’introduzione di diversi nuovi ambiti applicativi negli ambiti pubblici sotto forma di assistenti intelligenti4. Una delle aree che trarrebbero beneficio sarebbe il campo della medicina dentale che aprirebbe diverse opportunità di attività di routine inizialmente eseguite dal personale odontoiatrico con una migliore qualità delle cure5,6.

A priori, i modelli AI sono stati comunemente utilizzati per la mappatura e la rifinitura delle preparazioni dentali e per diverse applicazioni protesiche. Metodi di progettazione assistita da computer sono stati utilizzati anche per la selezione dell'anatomia dei denti per la progettazione automatizzata di restauri dentali. Caratteristiche consigliate per i modelli AI7 sono state la riuscita della fusione delle strutture metalliche, la selezione del colore dei denti e l'abbinamento del colore della porcellana. Restauri indiretti, corone dentali parziali o PDC (inlay e onlay) hanno recentemente iniziato a guadagnare popolarità nel movimento dell'"odontoiatria mini-invasiva". Rafforzando i vantaggi proposti, è stato stabilito che le preparazioni su onlay in oro e ceramica hanno comportato una riduzione della struttura coronale del dente significativamente inferiore rispetto ai loro equivalenti a copertura totale sullo stesso dente quando eseguite da studenti universitari8,9. Sebbene le soluzioni digitali disponibili in commercio fornissero assistenza CAD ai dentisti per le preparazioni digitali di inlay e onlay, la maggior parte delle implementazioni gratuite o open source sono state documentate per protesi dentarie e protesi più grandi rispetto a PDC10,11. Inoltre, la letteratura suggerisce che sia i laser scanner desktop che gli scanner intraorali fossero dispositivi accurati di per sé e svolgessero funzioni specifiche in modo efficace12,13,14. La documentazione tuttavia non specificava il dispositivo ideale per registrare i dati di input per la registrazione digitale delle preparazioni dentali per scopi PDC e di apprendimento automatico. Considerando la letteratura specifica mancante, precedenti rapporti di progettazione CAD open source sono stati analizzati e modificati per sviluppare nuovi flussi di lavoro di ricostruzione adatti alla ricerca attuale. I flussi di lavoro sono stati rivisti e semplificati, per eliminare la ripida curva di apprendimento comunemente segnalata dai dentisti che accolgono la digitalizzazione clinica15,16,17. Pertanto, si è ritenuto opportuno che i dentisti progettassero i PDC digitali in CAD da utilizzare poi nel processo di apprendimento automatico.