È stato presentato un processo di registrazione di scansioni di tomografia computerizzata a fascio conico e immagini dentali digitali utilizzando l’identificazione assistita dall’intelligenza artificiale (AI) dei punti di riferimento e della fusione. Un confronto con la registrazione basata sulla superficie mostra che la digitalizzazione e l’integrazione basate sull’intelligenza artificiale sono affidabili e riproducibili.
Questo studio mirava a introdurre la digitalizzazione della tomografia computerizzata a fascio conico (CBCT) e l’integrazione di immagini dentali digitali (DDI) basate sulla registrazione basata sull’intelligenza artificiale (AI) (ABR) e a valutare l’affidabilità e la riproducibilità utilizzando questo metodo rispetto a quelle della registrazione basata sulla superficie (SBR). Questo studio retrospettivo consisteva in immagini CBCT e DDI di 17 pazienti sottoposti a chirurgia ortognatica bimascellare assistita da computer. La digitalizzazione delle immagini CBCT e la loro integrazione con DDI sono state ripetute utilizzando un programma basato sull’intelligenza artificiale. Le immagini CBCT e DDI sono state integrate utilizzando una registrazione point-to-point. Al contrario, con il metodo SBR, i tre punti di riferimento sono stati identificati manualmente sulla CBCT e sulla DDI, che sono stati integrati con il metodo iterativo dei punti più vicini.
Dopo due ripetute integrazioni di ciascun metodo, sono stati ottenuti i valori delle coordinate tridimensionali dei primi molari mascellari e degli incisivi centrali e le loro differenze. È stato eseguito un test del coefficiente intraclasse (ICC) per valutare l’affidabilità intra-osservatore con le coordinate di ciascun metodo e confrontare la loro affidabilità tra ABR e SBR. L’affidabilità intra-osservatore ha mostrato ICC significativo e quasi perfetto in ciascun metodo. Non c’era alcuna significatività nella differenza media tra la prima e la seconda registrazione in ciascun ABR e SBR e tra i due metodi; tuttavia, i loro intervalli erano più ristretti con ABR che con il metodo SBR. Questo studio dimostra che la digitalizzazione e l’integrazione basate sull’intelligenza artificiale sono affidabili e riproducibili.
La tecnologia digitale tridimensionale (3D) ha ampliato l’ambito della diagnosi e della pianificazione per il trattamento ortodontico o chirurgico-ortodontico. Una testa virtuale costruita da un’immagine di tomografia computerizzata a fascio conico facciale (CBCT) può essere utilizzata per valutare anomalie dentofacciali e dentali, pianificare la chirurgia ortognatica, fabbricare wafer dentali e guide chirurgiche implantari utilizzando la progettazione e la produzione assistita da computer 1,2,3,4. Tuttavia, le scansioni CBCT hanno una bassa rappresentazione della dentatura, compresa la morfologia dentale e la relazione interocclusale, che sono dovute alla loro risoluzione limitata e agli artefatti striati del restauro dentale o dei bracket ortodontici5. Pertanto, le caratteristiche dentali sono state sostituite sulle immagini CBCT con immagini dentali digitali (DDI), come i calchi scansionati o le immagini di scansione intraorale.
Per un’integrazione affidabile della DDI sulle immagini CBCT, numerosi studi hanno riportato vari metodi come l’uso di marcatori fiduciali 6,7,voxel 8 e registrazioni basate sulla superficie (SBR)9,10. Queste procedure hanno i loro metodi di utilizzo di marcatori extraorali, scansioni CBCT multiple e fasi di processo aggiuntive come la pulizia di artefatti metallici sulle immagini CBCT. Per quanto riguarda l’accuratezza SBR, diversi studi precedenti hanno riportato errori che vanno da 0,10 a 0,43 mm 9,11. Inoltre, Zou et al. hanno valutato l’affidabilità e gli errori intra/inter-osservatori tra un ingegnere digitale e un ortodontista utilizzando SBR e hanno riportato la necessità di esperienza clinica e apprendimento ripetuto10.
L’intelligenza artificiale (AI) è stata utilizzata per prevedere i risultati del trattamento12 e digitalizzare i punti di riferimento sulle radiografie cefalometriche13 o sulle immagini CBCT 14,15,16 e attualmente sono disponibili alcuni software commerciali per assistere in questo processo17. L’identificazione accurata dei punti di riferimento anatomici sulle immagini 3D è difficile a causa dell’ambiguità delle superfici piane o delle strutture curve, delle aree a bassa densità e dell’ampia variabilità delle strutture anatomiche.
L’automazione basata sull’intelligenza artificiale e l’apprendimento automatico possono essere applicate non solo per la digitalizzazione, ma anche per l’integrazione di DDI e CBCT dentofacciale. Tuttavia, ci sono poche ricerche sull’accuratezza di una registrazione basata sull’intelligenza artificiale (ABR) rispetto al metodo basato sulla superficie esistente. Per ottenere risultati più accurati dei cambiamenti scheletrici e dentali 3D attraverso la chirurgia ortognatica bimascellare, è necessario valutare l’accuratezza dei programmi basati sull’intelligenza artificiale durante la fusione di CBCT e DDI. Pertanto, questo articolo presenta un protocollo passo-passo per la digitalizzazione e l’integrazione di CBCT e DDI con una registrazione basata sull’intelligenza artificiale (ABR) e per valutarne l’affidabilità e la riproducibilità rispetto a quella di SBR.
Utilizzando il protocollo presentato, la digitalizzazione dei punti di riferimento e l’integrazione di CBCT e DDI possono essere facilmente realizzate utilizzando un software di apprendimento automatico. Questo protocollo richiede i seguenti passaggi critici: i) riorientamento della testa nella scansione CBCT, ii) digitalizzazione di CBCT e DDI e iii) fusione delle immagini CBCT con la DDI. La digitalizzazione di cinque punti di riferimento per il riorientamento della testa è fondamentale perché determina la posizione …
The authors have nothing to disclose.
Questo studio è stato supportato dal Fondo di ricerca dell’ospedale Bundang dell’Università nazionale di Seoul (SNUBH). (Sovvenzione n. 14-2019-0023).
G*Power | Heinrich Heine Universität, Dϋsseldorf, Germany | v. 3.1.9.7 | A sample size calculuation software |
Geomagic Qualify® | 3D Systems, Morrisville, NC, USA |
v 2013 | 3D metrology feature and automation software, which transform scan and probe data into 3D to be used in design, manufacturing and metrology applications |
KODAK 9500 | Carestream Health Inc., Rochester, NY, USA | 5159538 | Cone Beam Computed Tomograph (CBCT) |
MD-ID0300 | Medit Co, Seoul, South Korea Seoul, Korea |
61010-1 | Desktop model scanner |
ON3D | 3D ONS Inc., Seoul, Korea |
v 1.3.0 | Software for 3D CBCT evaluation; AI-based landmark identification, craniofacial and TMJ analysis, superimposition, and virtual orthognathic surgery |
SPSS | IBM, Armonk, NY, USA | v 22.0 | A statistic analysis program |