هوش مصنوعی در جراحی دندان

ANN نقش مهمی در جراحی های دندان ایفا کرده است؛ مشخص شده است که جراحی‌های ارتوگناتیک می‌توانند با استفاده از فناوری هوش مصنوعی به شدت متحول شوند.

به عنوان مثال، در مطالعه ای مشاهده شد که مدل‌های ANN دقت نتیجه جراحی ارتوگناتیک را که توسط جراحان دهان در نظر گرفته شده بود، بهبود بخشیدند؛ به منظور دستیابی به این هدف، 30 تصویر صورت قبل از درمان از موارد جراحی ارتوگناتیک توسط جراحان مورد ارزیابی قرار گرفت و تصاویر صورت پیش‌بینی‌شده پس از جراحی تهیه شد.

در مرحله بعد، مدل‌های ANN آموزش‌دیده برای اصلاح نتایج پیش‌بینی‌شده پس از جراحی استفاده شد. مقایسه تصاویر واقعی صورت پس از جراحی با اصلاحات قبل و بعد از هوش مصنوعی تصاویر صورت پیش بینی شده ثابت کرد که مداخله هوش مصنوعی دقت را بیش از 80٪ افزایش می دهد. بنابراین، کاربرد هوش مصنوعی می تواند به طور برجسته بر تصمیم گیری و برنامه ریزی درمان در جراحی های ارتوگناتیک تأثیر بگذارد.

با این وجود، اثربخشی جراحی ارتوگناتیک را می‌توان با استفاده از تصاویر قبل و بعد از درمان بیماران با هوش مصنوعی بررسی کرد؛ به عنوان مثال، مطالعه ای نشان داد که مدل‌های هوش مصنوعی آموزش‌دیده را می‌توان برای امتیاز دادن به جذابیت چهره و ظاهر سنی بر اساس عکس‌های قبل و بعد از درمان ارتوگناتیک از بیمار استفاده کرد.

با این حال، دقت این روش ذکر نشده است. از سوی دیگر، کار دیگری که توسط همین نویسنده انجام شد نشان داد که فناوری هوش مصنوعی با روش‌های آموزشی مشابه می‌تواند برای امتیاز دادن به جذابیت چهره در بیماران شکاف بر اساس تصاویر پیش و پس از درمان پیشانی و نمایه استفاده شود. در نهایت، نتایج ارزیابی هوش مصنوعی با رتبه بندی های انسانی مقایسه شد و هیچ تفاوت آماری مشاهده نشد.

یکی از شایع ترین عوارض جانبی کشیدن دندان مولر سوم،  پارستزی ناشی از آسیب عصب اطراف دندان است. با این حال، با تشخیص دقیق موقعیت عصب بر اساس تصاویر پانوراما بیمار، به راحتی می توان از این خطا جلوگیری کرد.

علاوه بر این، سیستم‌های DL در حال حاضر اغلب برای پیش‌بینی احتمال آسیب عصب آلوئول تحتانی در طول کشیدن دندان مولر سوم فک پایین با استفاده از تصاویر رادیوگرافی پانورامیک قبل از جراحی استفاده می‌شوند. به عبارت دیگر، مدل‌های DL دقیقاً موقعیت عصب آلوئولار تحتانی را روی تصاویر پانوراما تشخیص می‌دهند. بر اساس نزدیکی عصب آلوئولار تحتانی به مولر سوم فک پایین، سیستم‌های DL احتمال آسیب عصبی را در حین جراحی پیش‌بینی می‌کنند. دقت فناوری هوش مصنوعی در ارزیابی احتمال آسیب عصبی پس از کشیدن دندان 82 درصد گزارش شده است.

چندین ضایعات دهانی نیاز به جراحی های پیچیده دارند؛ این جراحی های گسترده ممکن است اکثریت دهان را درگیر کند و متعاقباً به ساختارهای حیاتی آسیب رسانده و آسیب جبران ناپذیری ایجاد کند. بنابراین، فناوری هوش مصنوعی به تشخیص دقیق محل ضایعات دهانی در رادیوگرافی پانورامیک قبل از جراحی و افزایش میزان موفقیت درمان کمک کرده است.

در یک مطالعه، دقت هوش مصنوعی 90.36 درصد در تشخیص آملوبلاستوم و کراتوسیت های ادنتوژنیک بر روی تصاویر دندانی بود.