Forskere fra University of Hong Kong har brukt dyplæringsteknikker til å designe tannkroner, som er kapper som settes på toppen av en eksisterende tann for å restaurere og beskytte den.
I dag lages de fleste tannkroner ved hjelp av datastøttet design (CAD). Forskerne sier at deres metoder genererer estetisk og funksjonelt overlegne kroner sammenlignet med CAD-metoder.
Ved å bruke kunstig intelligens til å designe kroner sparer man dessuten tid og penger og reduserer sannsynligheten for menneskelige feil.
Hvordan fungerer det?
Den studiepublisert i Dental Materials, brukte et datasett med 600 digitale avstøpninger av andre premolarer og nabotenner. Disse ble sendt inn i et 3D-nevralt nettverk, et 3D-DCGAN, som lærte seg ulike strukturelle trekk fra de friske digitale avstøpningene.
Etter at modellen var opplært, brukte forskerne den til å generere tannkroner, og fant ut at den utkonkurrerte klassisk utformede kroner på flere variabler.
Forskerne sier: "Denne studien viste at 3D-DCGAN kan brukes til å designe personlige tannkroner med høy nøyaktighet, som kan etterligne både morfologien og biomekanikken til naturlige tenner."
De genererte tennene ble ikke bare spådd å være funksjonelt overlegne i forhold til CAD-designede tenner, men det var også sannsynlig at de ville holde lenger enn disse.
Studien har blitt godt mottatt av andre tannleger. Tejas Patel, fra Austin Cosmetic Dentistry i Texas, fortalte Fox News at det å lage kroner med CAD "krever ganske mye tid for den enkelte pasient. Det betyr høyere kostnader og større rom for feil."
Han kommenterte også levetiden til de AI-genererte kronene: "Med bruk av generativ AI kan disse prosessene mer nøyaktig skape personlige kroner ved hjelp av tidligere data og forme dem med nok presisjon til at de varer nesten like lenge som ekte tenner."
Patel sier at AI-genererte kroner vil bli gjenstand for kliniske studier før de lanseres for publikum.
Dette er imidlertid en raskere prosess innen tannbehandling enn på andre medisinske områder, slik at pasientene kan se fordelene i løpet av bare ett eller to år.
3D-nevrale nettverk i medisin
3D-nevrale nettverk har blitt undersøkt for andre medisinske bruksområder, for eksempel analyse av komplekse 3D-diagnostiske bilder produsert av fMRI.
Denne teknikken har blitt brukt til å klassifisere hjerneblødning, identifisere strukturelle avvik som tyder på Alzheimers sykdom, og klassifisere gliomer...en type hjernesvulst.
AI bidrar til medisinske fremskritt på så å si alle fagområder og disipliner, og det vil ikke ta lang tid før AI-assisterte teknikker blir normen.