Зубные имплантаты активно используются в стоматологической практике несколько десятилетий. С каждым годом процедура восстановления зубного ряда с помощью имплантации становится всё более популярной и доступной для пациентов.
Но чем больше имплантатов устанавливается, тем более острой становится проблема их последующей идентификации при повторном вмешательстве. К примеру, когда пациент обращается по поводу перелома/неустойчивости винтов или фиксаторов, развития периимплантита и т.д. Мобильность пациентов, утеря медицинских карт, закрытие стоматологических клиник затрудняют процесс определения того, имплантат какой именно системы установлен у пациента. Двухмерная рентгенография (панорамные и периапикальные рентгенограммы) в этой ситуации не всегда помогает точно классифицировать тип системы среди подобных со схожими физическими свойствами.
В конце 2010-х годов была предпринята первая попытка облегчить распознавание рентгенографических снимков в медицине с помощью автоматизированного алгоритма глубокого обучения (deep learning, DL) на основе искусственного интеллекта (ИИ). Крупномасштабное машинное обучение дало позитивные плоды и позволило сделать диагностику более точной.
Недавно алгоритмы глубоких свёрточных нейронных сетей (предназначены для распознавания цифровых изображений) приобрели популярность в стоматологии, помогая достичь значительных успехов в анализе рентгеновских снимков зубов.
Корейские исследователи решили оценить, насколько точно алгоритм DL способен идентифицировать и классифицировать различные типы систем зубных имплантатов. Рентгенограммы дентальных имплантатов 27 различных типов систем в количестве 156 965 панорамных и периапикальных рентгенографических изображений от 10 производителей, собранные в крупных стоматологических больницах и частных клиниках, были подтверждены Национальным агентством информационного общества и Корейской академией челюстно-лицевой имплантологии.
Результаты исследования вышли весьма многообещающие: средняя точность классификации трёх производителей имплантатов и их соответствующих подтипов при помощи технологии DL превысила 95%! Исследователи уверены, что это достижение может стать значительным прорывом в идентификации зубных имплантатов, предоставляя клиницистам инструмент для точного определения специфических характеристик используемых систем. Внедрение диагностической методики поможет сэкономить время принятия решения для клинициста и избежать развития более серьёзных осложнений у пациента.