Artificial Intelligence for Tooth Numbering and Full-Mouth Series Placement

I dentisti si affidano a un set specifico di immagini radiografiche per avere il quadro completo della bocca di un paziente. Questa collezione, nota come serie completa della bocca (full-mouth series), consiste in decine di fotografie individuali, ognuna delle quali cattura una piccola sezione di denti e osso. Per dare un senso a queste immagini, un dentista deve sapere esattamente quale dente appare in ogni fotogramma e dove quel fotogramma appartiene nella sequenza finale. Tradizionalmente, questo è stato un compito manuale. Un essere umano deve guardare ogni immagine, identificare i denti, assegnare loro un numero basato su un sistema universale e poi disporre le foto nel corretto ordine. Questo processo è lungo e soggetto all'errore umano, specialmente quando le immagini sono sfocate, i denti mancano o il sensore radiogenico è stato tenuto con un'angolazione leggermente diversa.

Negli ultimi anni, i computer sono diventati abbastanza potenti da imparare a vedere e interpretare le immagini mediche, un campo noto come intelligenza artificiale. Questi sistemi utilizzano il deep learning, un metodo in cui un computer analizza migliaia di esempi per imparare i pattern senza essere esplicitamente programmato con regole per ogni scenario. Sebbene i computer abbiano già dimostrato di poter individuare carie o ossa rotte, l'ordinamento automatico di un set completo di radiografie dentali è rimasto una sfida difficile. La complessità non risiede solo nell'identificare un singolo dente, ma nel comprendere come un gruppo di immagini si incastri insieme come i pezzi di un puzzle più grande, anche quando alcuni pezzi sono mancanti o ruotati.

Un team di ricercatori della UTHealth Houston School of Dentistry, insieme ai collaboratori della National Yang Ming Chiao Tung University, ha sviluppato un nuovo modo per risolvere questo problema. Hanno creato un sistema automatizzato in grado di rilevare i denti, numerarli correttamente e disporre un set completo di radiografie nel giusto ordine con una velocità e un'accuratezza straordinarie. Il loro lavoro, pubblicato in uno studio che coinvolge oltre 5.000 radiografie di 354 pazienti, dimostra che un computer può ora gestire l'intero flusso di lavoro dell'organizzazione delle immagini dentali, un compito che precedentemente richiedeva un significativo intervento umano.

I ricercatori hanno iniziato raccogliendo un enorme dataset di radiografie dentali. Hanno raccolto 5.431 immagini da 354 pazienti diversi, coprendo sia la mascella superiore che quella inferiore. Ogni singolo dente in queste immagini è stato meticolosamente contrassegnato da professionisti odontoiatrici che hanno disegnato un riquadro attorno a ciascuno di essi e gli hanno assegnato il numero corretto. Questo ha creato una "ground truth", un riferimento perfetto che il computer poteva usare per imparare. Il team ha poi addestrato i propri modelli di intelligenza artificiale su questi dati, insegnando al sistema a riconoscere la forma, la posizione e il numero dei denti in varie condizioni.

Il sistema opera in tre fasi principali. Innanzitutto, utilizza uno strumento di rilevamento per trovare ogni dente in una radiografia. A differenza dei metodi più vecchi che disegnano semplici scatole quadrate attorno agli oggetti, questo sistema utilizza riquadri angolati che possono inclinarsi e ruotare per adattarsi alla posizione esatta di un dente. Questo è fondamentale perché i denti in una radiografia appaiono spesso ad angoli insoliti a seconda di come il sensore è stato posizionato in bocca. Una volta localizzati i denti, il sistema identifica di quale dente si tratti, assegnandogli un numero da uno a trentadue, seguendo lo standard del sistema di numerazione universale utilizzato dai dentisti.

La parte più innovativa dello studio è il modo in cui il sistema dispone le immagini. Inve Instead di guardare solo un dente alla volta, il computer analizza la relazione tra più immagini. I ricercatori hanno progettato il sistema affinché pensasse alle radiografie come ai pezzi di un puzzle. Proprio come una persona potrebbe guardare il bordo di un pezzo di puzzle e la curva di un altro per vedere se si incastrano, il computer analizza la relazione spaziale tra le diverse immagini radiografiche. Impara che un'immagine che mostra i denti anteriori va accanto a un'immagine che mostra i denti laterali, e che una foto della mascella superiore va in un punto diverso rispetto a una della mascella inferiore. Questo approccio permette al sistema di posizionare correttamente le immagini anche se alcuni denti mancano o se l'anatomia non è chiara, una situazione in cui i metodi precedenti spesso fallivano.

I risultati di questo processo automatizzato sono stati sorprendenti. Quando i ricercatori hanno testato il loro sistema, esso ha identificato e numerato correttamente i denti nel 99 percento dei casi. Ancora più importante, per quanto riguarda l'ordinamento del set completo di radiografie nella sequenza corretta, il sistema è stato esatto il 98 percento delle volte. Questo alto livello di accuratezza è rimasto costante in diversi tipi di immagini, incluse quelle della mascella superiore, della mascella inferiore e le immagini bitewing (radiografie interprossimali) che mostrano le corone dei denti. Il sistema ha performato particolarmente bene con i denti anteriori e i denti posteriori su entrambi i lati, con solo lievi confusioni tra immagini molto simili tra loro, come le due immagini all'estrema destra della mascella inferiore.

Uno dei traguardi più significativi di questo studio è la capacità del sistema di gestire le immagini bitewing. Queste specifiche radiografie, che mostrano la parte superiore dei denti e l'osso tra di essi, sono storicamente state difficili da posizionare automaticamente per i computer perché mostrano meno della radice del dente e spesso mancano di punti di riferimento chiari. I tentativi precedenti di automatizzare l'ordinamento delle immagini dentali spesso faticavano con queste specifiche foto. Il nuovo sistema, tuttavia, ha posizionato con successo le immagini bitewing con un'accuratezza del 96 percento, dimostrando di poter gestire l'intera complessità di un esame dentale senza la necessità di un intervento umano per correggere l'ordine.

I ricercatori hanno testato rigorosamente il loro sistema per garantire che i risultati fossero affidabili. Hanno diviso i loro dati in cinque gruppi separati e hanno addestrato il computer su quattro gruppi testandolo sul quinto, ripetendo questo processo cinque volte in modo che ogni immagine venisse testata esattamente una volta. Questo metodo ha garantito che il sistema non stesse solo memorizzando le risposte, ma stesse effettivamente imparando a riconoscere pattern applicabili a nuovi pazienti non ancora visti. La coerenza dei risultati attraverso tutti e cinque i test suggerisce che il sistema è robusto e pronto per l'uso nel mondo reale, a patto che venga validato in un contesto clinico.

Questo lavoro rappresenta un cambiamento nel modo in cui l'imaging dentale potrebbe essere gestito in futuro. Automatizzando i compiti noiosi di conteggio dei denti e smistamento delle immagini, il sistema libera tempo per i professionisti del settore, permettendo loro di concentrarsi sulla diagnosi e sul trattamento. Lo studio dimostra che l'intelligenza artificiale può apprendere le sottili relazioni spaziali nelle radiografie dentali, andando oltre il semplice rilevamento per comprendere il contesto dell'intera bocca. Sebbene il sistema sia attualmente uno strumento di ricerca, la sua alta precisione e la capacità di gestire casi difficili come le immagini bitewing suggeriscono che potrebbe presto diventare una parte standard del flusso di lavoro odontoiatrico, snellendo il processo dal momento in cui viene scattata una radiografia al momento in cui è pronta per essere revisionata da un dentista.