Forskere fra University of Hong Kong brugte deep learning-teknikker til at designe tandkroner, som er hætter, der placeres oven på en eksisterende tand for at genoprette og beskytte den.
I øjeblikket skabes de fleste tandkroner ved hjælp af computerstøttet design (CAD). Forskerne siger, at deres metoder genererer æstetisk og funktionelt overlegne kroner sammenlignet med CAD-metoder.
Desuden sparer man tid og penge ved at bruge AI til at designe kroner og reducerer sandsynligheden for menneskelige fejl.
Hvordan fungerer det?
Den undersøgelseDe brugte et datasæt med 600 digitale afstøbninger af anden præmolar og nabotænder, som blev offentliggjort i Dental Materials. Disse blev sendt ind i et 3D-neuralt netværk, et 3D-DCGAN, som lærte forskellige strukturelle træk fra de sunde digitale afstøbninger.
Da modellen var trænet, brugte forskerne den til at generere tandkroner og fandt ud af, at den klarede sig bedre end klassisk designede kroner på tværs af flere variabler.
Forskerne siger: "Denne undersøgelse viste, at 3D-DCGAN kan bruges til at designe personlige tandkroner med stor nøjagtighed, der kan efterligne både morfologien og biomekanikken i naturlige tænder."
De genererede tænder blev ikke kun anset for at være funktionelt bedre end CAD-designede tænder, men de ville sandsynligvis også holde længere end dem.
Undersøgelsen er blevet godt modtaget af andre tandlæger. Tejas Patel fra Austin Cosmetic Dentistry i Texas, fortalte Fox News at det at lave kroner med CAD "kræver en hel del tid for den enkelte patient. Det betyder højere omkostninger og mere plads til fejl."
Han kommenterede også levetiden for de AI-genererede kroner: "Med brug af generativ AI kan disse processer mere præcist skabe personlige kroner ved hjælp af tidligere data og forme dem med tilstrækkelig præcision til at holde næsten lige så længe som rigtige tænder."
Patel siger, at AI-genererede kroner vil blive underkastet kliniske forsøg, før de rulles ud til offentligheden.
Det er dog en hurtigere proces inden for tandpleje end inden for andre medicinske områder, så patienterne kan se fordelene inden for bare et år eller to.
3D neurale netværk i medicin
3D-neurale netværk er blevet undersøgt til andre medicinske anvendelser, som f.eks. analyse af komplekse 3D-diagnostiske billeder produceret af fMRI.
Denne teknik er blevet brugt til at klassificere hjerneblødning, identificere strukturelle abnormiteter, der tyder på Alzheimers sygdomog klassificere gliomeren type hjernesvulst.
AI understøtter medicinske fremskridt inden for stort set alle områder og discipliner, og det varer ikke længe, før AI-assisterede teknikker bliver normen.
