Forskare från University of Hong Kong använde tekniker för djupinlärning för att utforma tandkronor, som är lock som placeras ovanpå en befintlig tand för att återställa och skydda den.
För närvarande skapas de flesta tandkronor med hjälp av datorstödd design (CAD). Forskarna menar att deras metoder genererar estetiskt och funktionellt överlägsna kronor jämfört med CAD-metoder.
Att använda AI för att designa kronor sparar dessutom tid och pengar och minskar sannolikheten för mänskliga misstag.
Hur fungerar det?
Den studiesom publicerades i Dental Materials, använde ett dataset med 600 digitala avgjutningar av andra premolarer och angränsande tänder. Dessa överfördes till ett 3D-neuralt nätverk, ett 3D-DCGAN, som lärde sig olika strukturella egenskaper från de friska digitala avgjutningarna.
När modellen hade tränats upp använde forskarna den för att generera tandkronor och fann att den överträffade klassiskt utformade kronor i flera variabler.
Forskarna säger: "Denna studie visade att 3D-DCGAN kan användas för att utforma personliga tandkronor med hög noggrannhet som kan efterlikna både morfologin och biomekaniken hos naturliga tänder."
De genererade tänderna förutspåddes inte bara vara funktionellt överlägsna CAD-designade tänder, utan de skulle sannolikt också hålla längre än dessa.
Studien har mottagits väl av andra tandläkare. Tejas Patel, från Austin Cosmetic Dentistry i Texas, berättade för Fox News att skapandet av kronor med CAD "kräver en hel del tid för enskilda patienter. Det innebär en högre kostnad och större utrymme för fel."
Han kommenterade också livslängden hos de AI-genererade kronorna: "Med hjälp av generativ AI kan dessa processer mer exakt skapa personliga kronor med hjälp av tidigare data och forma dem med tillräcklig precision för att hålla nästan lika länge som riktiga tänder."
Patel säger att AI-genererade kronor kommer att bli föremål för kliniska prövningar innan de rullas ut till allmänheten.
Detta är dock en snabbare process inom tandvården än inom andra medicinska områden, så patienterna kan se fördelarna inom bara ett eller två år.
Neurala nätverk i 3D inom medicin
Neurala 3D-nätverk har undersökts för andra medicinska tillämpningar, t.ex. för att analysera komplexa diagnostiska 3D-bilder som tagits fram med fMRI.
Denna teknik har använts för att klassificera hjärnblödning, identifiera strukturella avvikelser som tyder på Alzheimers sjukdom, och klassificera gliom, en typ av hjärntumör.
AI stöder medicinska framsteg inom praktiskt taget alla områden och discipliner, och det kommer inte att dröja länge innan AI-assisterade tekniker blir normen.
