Планирование ортодонтического лечения обычно основывается на опыте и предпочтениях ортодонтов. Поскольку каждый пациент и ортодонт уникальны, выбор метода лечения определяется обеими сторонами по взаимному согласию. Традиционно ортодонтам требуется много усилий для диагностики неправильного прикуса, поскольку при цефалометрическом анализе необходимо учитывать множество переменных, из-за чего трудно определить план лечения и спрогнозировать результат лечения. ИИ - идеальный инструмент для решения ортодонтических проблем. В ортодонтии ИИ находит применение при планировании лечения и прогнозировании результатов лечения, например, при моделировании изменений внешнего вида фотографий лица до и после лечения. Влияние ортодонтического лечения, структуры скелета и анатомические ориентиры на боковых цефалограммах можно четко увидеть с помощью алгоритмов искусственного интеллекта, что значительно облегчает общение между пациентами и стоматологами.
Система поддержки принятия решений, основанная на Байесе, была разработана Thanathornwong для диагностики необходимости ортодонтического лечения на основе данных, связанных с ортодонтией, в качестве входных данных. Се и др.. предложил модель ANN для оценки необходимости извлечения на боковых цефалометрических рентгенограммах; Аналогичная система оценки была предложена Юнгом и соавторами. Помимо применения для прогнозирования операций удаления, необходимых в ортодонтических целях, искусственный интеллект используется для определения цефалометрических ориентиров. Парк и др.. продемонстрировал алгоритм DL для автоматического определения цефалометрических ориентиров на рентгенограммах с высокой точностью. Булатова et al. и Кунц с соавторами. разработали аналогичные алгоритмы искусственного интеллекта с точностью, сравнимой с точностью определения этих ориентиров людьми-исследователями. Автоматическая система классификации скелета с использованием боковых цефалометрических рентгенограмм была предложена Yu et al.. .
Помимо определения местоположения множества цефалометрических ориентиров и классификации, системы искусственного интеллекта использовались при планировании ортодонтического лечения. Чой и др.. предложил модель искусственного интеллекта, позволяющую судить о необходимости хирургического вмешательства по боковым цефалометрическим рентгенограммам. Похоже, что большинство ортодонтических приложений связаны с идентификацией по маркерам и планированием лечения, которые являются утомительными процедурами для ортодонтов. Основная задача при планировании ортодонтического лечения - сегментировать и классифицировать зубы. Искусственный интеллект также использовался для этих целей в нескольких источниках, таких как рентгенограммы и цифровые оптические снимки с полной дугой 3D. Cui et al. предложено несколько алгоритмов искусственного интеллекта для автоматической сегментации зубов на цифровой модели зубов, отсканированной 3D-интраоральным сканером и изображения КЛКТ . В дополнение к сегментации зубов, они также сегментировали альвеолярную кость, эффективность превысила работу рентгенологов (т.е. в 500 раз быстрее). В статье также утверждается, что алгоритм хорошо работает в сложных случаях с различными аномалиями зубов.
AI in orthodontics
Orthodontic treatment planning is usually based on the experience and preference of the orthodontists. As every patient and orthodontist is unique, the treatment is decided mutually by both sides. Traditionally, it takes a lot of effort for orthodontists to diagnose malocclusion, as many variables need to be considered in the cephalometric analysis, such that it is difficult to determine the treatment plan and predict the treatment outcome (55). AI is an ideal tool for solving orthodontic problems. In orthodontics, AI has applications (Table 4) in treatment planning and prediction of treatment results, such as simulating the changes in the appearance of pre- and post-treatment facial photographs. The impact of orthodontic treatment, the skeletal patterns, and the anatomic landmarks in lateral cephalograms (67) can be clearly seen with the aid of AI algorithms, greatly assisting communication between patients and dentists.
A Bayesian-based decision support system was developed by Thanathornwong (57) to diagnose the need for orthodontic treatment based on orthodontics-related data as input. Xie et al. (58) proposed an ANN model to evaluate whether extractions are needed from lateral cephalometric radiographs; A similar evaluation system was proposed by Jung et al. (59). Apart from the application in predicting the extractions needed for orthodontic purposes, AI has been adopted to locate cephalometric landmarks. Park et al. (60, 61) demonstrated a DL algorithm for the automatically identifying cephalometric landmarks on radiographs with a high accuracy. Bulatova (68) et al. and Kunz et al. (69) developed similar AI algorithms, with accuracies comparable with human examiners in identifying those landmarks. An automatic system for skeletal classification using lateral cephalometric radiographs was proposed by Yu et al. (63).
Besides locating multiple cephalometric landmarks and classification, AI systems have been used in orthodontic treatment planning. Choi et al. (64) proposed an AI model to judge whether surgery is needed using lateral cephalometric radiographs. It looks like most of the orthodontic applications are on landmarking identification and treatment planning, which are tedious procedures for orthodontists. A basic task for orthodontic treatment planning is to segment and classify the teeth. AI has also been used for these purposes on multiple sources, such as radiographs and full-arch 3D digital optical scans (65, 66). Cui et al. proposed several AI algorithms to automatically segment teeth on a digital teeth model scanned by a 3D intraoral scanner (65) and CBCT images (66, 70). In addition to tooth segmentation, they also segmented alveolar bone, the efficiency exceeded the radiologists' work (i.e., 500 times faster). The paper also claimed that the algorithm works well in challenging cases with variable dental abnormalities
\r\nHao DingHao Ding1Jiamin WuJiamin Wu1Wuyuan ZhaoWuyuan Zhao1Jukka P. Matinlinna,Jukka P. Matinlinna1,2Michael F. BurrowMichael F. Burrow3James K. H. Tsoi
\r\nJames K. H. Tsoi1*
перевод: Канаметов А.Б.