L’intelligenza artificiale (IA) a supporto del trattamento ortodontico complesso in età evolutiva

    Artificial intelligence (AI) to support complex orthodontic treatment in childhood

    Fig. 1 OPT Iniziale.
    Scopo del lavoro:

    Questo studio mira a valutare l’accuratezza della realizzazione di files .stl e della segmentazione di ogni singolo elemento, partendo dalla tomografia computerizzata a fascio conico (CBCT), simulando il trattamento ortodontico-chirurgico per la valutazione tridimensionale della posizione delle radici, al fine di renderlo più semplice ma soprattutto più sicuro.

    Materiali e metodi:

    Vorremmo condividere la nostra esperienza circa la diagnosi mediante l’utilizzo della piattaforma di IA statunitense Diagnocat LTD, Miami, FL (USA), la programmazione di studio avvalendoci di una app per iPad che permette la simulazione del caso in modo semplificato (Shapr3d, Budapest, Hungary), la pianificazione operativa digitale (Software Ortho Analyzer 3Shape) e la realizzazione di un dispositivo customizzato per la risoluzione di un caso ortodontico chirurgico in età evolutiva.

     

    Risultati:

    I casi clinici illustrati evidenziano l’importanza del metodo utilizzato per simulare sia l’approccio chirurgico che la procedura ortodontica, semplificandoli ed evitando danni alle strutture adiacenti.

    Conclusioni:

    L’efficacia e l’efficienza del “machine learning” adottato per l’IA rendono più fruibili le nuove tecnologie digitali ponendole alla portata dei clinici meno avvezzi e accelerano i processi di elaborazione riducendo le tempistiche del workflow digitale.

    INTRODUZIONE

    La moderna ortodonzia che da qualche anno si avvale della tecnologia digitale sta attraversando un periodo di massima espressione tecnologica usufruendo delle ultime scoperte in campo informatico. A tal proposito anche l’intelligenza artificiale (AI) la fa da padrona in campo ortodontico, venendo in aiuto al clinico sia per quanto riguarda la diagnosi che per quanto concerne la pianificazione del caso trattato. Si stanno diffondendo sempre di più piattaforme digitali di AI che permettono di realizzare in 3d il paziente virtuale e di semplificare di conseguenza il flusso di lavoro. La base di partenza si ottiene dall’imaging tridimensionale (3D), principalmente con la tomografia computerizzata a fascio conico (CBCT), che offre precisi dati anatomici volumetrici delle strutture orofacciali.

    La segmentazione dei dati di imaging acquisiti da CBCT è essenziale per generare modelli 3D delle strutture anatomiche del paziente, che è un prerequisito per la pianificazione virtuale del trattamento e la produzione. Tuttavia, tecniche di segmentazione attuali, manuali o semiautomatiche, richiedono molto tempo, e sono troppo dipendenti dalle capacità umane. Inoltre, la segmentazione delle immagini CBCT richiede più tempo rispetto alla tradizionale tomografia computerizzata multi-fetta (MSCT), poiché le immagini MSCT hanno una risoluzione di contrasto superiore e minore rumorosità. Tuttavia, la CBCT agisce come modalità di scelta nell’assistenza sanitaria orale, considerando il suo basso costo, la dose relativamente più bassa e una maggiore accessibilità. Considerando questi limiti dell’imaging CBCT in relazione alla segmentazione, vi è la necessità di automazione dei flussi di lavoro digitali attuali mediante l’applicazione di tecniche basate sull’intelligenza artificiale (AI). Una combinazione di modelli di intelligenza artificiale specializzati nella segmentazione di diverse strutture con densità variabili potrebbe aprire la strada verso la creazione di un paziente virtuale ad alte prestazioni, in un approccio efficiente in termini di tempo. Il paziente virtuale potrebbe essere applicato per la pianificazione digitale di diverse procedure di trattamento, non solo in odontoiatria generale, ma anche in chirurgia maxillo-facciale e ortodonzia.

    APPROFONDIMENTO 

    Caso clinico
    Qui di seguito presentiamo un caso clinico complesso, ortodontico-chirurgico, in età scolare.
    La piccola paziente E.B., femmina, 9 anni e 10 mesi con Classe I, morso profondo e affollamento dentale, si presenta alla nostra osservazione, inviata da collega odontoiatra per la presenza di inclusione e mesializzazione vestibolare di entrambi i canini inferiori.

    Fig. 2 CBCT Iniziale.

    La proposta di trattamento del collega, esperto chirurgo orale, si limitava all’estrazione degli elementi inclusi. Dal canto nostro, vista la radiografia panoramica iniziale (fig. 1), proponiamo un piano di trattamento ortodontico, quindi, una volta raccolta la documentazione di base (fotografie intra ed extra-orali e scansioni digitali intraorali), richiediamo l’esecuzione di una CBCT dell’arcata inferiore (fig. 2), al fine di valutare con maggior precisione la posizione dei canini inferiori inclusi. La CBCT evidenzia in modo indiscutibile alcune caratteristiche fondamentali per la diagnosi, come il contatto fra le cuspidi in zona vestibolare e frontalmente agli apici degli incisivi centrali inferiori che non risultano coinvolti e quindi danneggiati. Nella zona, la corticale mandibolare risulta riassorbita, con esposizione delle cuspidi dei canini inclusi che clinicamente risultano subgengivali. Al fine di programmare un trattamento adeguato, possibilmente evitando le estrazioni, permettendo quindi il recupero funzionale dei canini, così importanti per la masticazione, ci avvaliamo delle ultime tecnologie digitali (fig. 3) come la piattaforma di IA statunitense Diagnocat LTD, Miami, FL (USA), che per mezzo dell’intelligenza artificiale (IA) permettono in pochissimi minuti la trasformazione dei files .dicom delle CBCT in file .stl e la segmentazione di ogni singola struttura intraorale, con la possibilità di evidenziare, eliminare o rendere più o meno trasparenti le strutture di interesse. Altra peculiarità di tale piattaforma è la possibilità di ottenere in modo del tutto automatico una diagnosi dettagliata per ogni singola struttura estrapolata dalla CBCT.

    Fig. 3 Segmentazione e trasformazione dei files .dicom in .stl.
    Fig. 4a-4d Software per la simulazione.

    Una volta eseguita l’esportazione dei files .stl, ci è permesso di caricarli su qualsiasi visualizzatore 3D, ma nel caso specifico abbiamo scelto un software di nuova generazione solitamente dedicato all’ingegneria (Shapr3d, Budapest, Hungary) che, rispetto ai programmi tradizionali, può essere scaricato su pc, Mac e su iPad, permettendo soprattutto in quest’ultima modalità di gestire in modo semplificato sia la visualizzazione che la trasformazione (fig. 4 a-d).

    Fig. 5a-5c Progettazione digitale dispositivo.

    Per mezzo di una penna capacitiva eseguiamo virtualmente l’estrazione di 7.3 e 8.3 e distalizziamo i canini inferiori inclusi monitorando il loro percorso eruttivo, al fine di evitare con un semplice movimento corono-distale il contatto con le radici degli elementi dentari contigui. Questa è la vera necessità di simulazione del trattamento al fine di rendere più sicuro e predicibile il risultato finale.

    Una volta appurata la possibilità di un trattamento ortodontico conservativo, procediamo alla progettazione del dispositivo ortodontico customizzato, costituito da un semplice arco linguale con bande custom-made su 3.6-4.6 e bracci vestibolari con occhielli per l’inserimento di elastici per la trazione (fig. 5 a-c), progettato con software dedicato Ortho Analyzer 3Shape. Dal CAD (computer-aided design) si passa al CAT (computer-aided technofacturing) con la realizzazione del dispositivo tecnofatto.

    Si procede quindi all’intervento chirurgico (fig. 6) per l’esposizione degli elementi inclusi e il bonding diretto di attacchi a bottone con legature metalliche da 0,010” intrecciate a catenella per meglio eseguire la trazione per mezzo di legature elastiche.

    Fig. 6 Intervento di scappucciamento dei canini inferiori inclusi.

    In seguito ad attivazione mensile, dopo 15 mesi gli elementi inclusi sono completamente esposti (fig. 7 a-b) e si procede alla stabilizzazione affinché il mese successivo si possa interrompere il trattamento intercettivo (fig. 8 a-b), il cui risultato clinico è confermato dal corrispondente successo radiografico (fig. 9) che attraverso un semplice esame ortopanoramico non rileva danni alle radici degli incisivi inferiori.

    Si procederà con trattamento ortodontico fisso multi-attacco per la rifinitura finale.

    RISULTATI E CONCLUSIONI

    Il lavoro svolto conferma l’importanza delle piattaforme e software digitali per diagnosticare, progettare e risolvere in massima sicurezza anche i casi più complessi. Se poi ci si avvalesse anche dell’IA, la procedura risulterebbe più veloce e fruibile anche a coloro che non hanno particolare dimestichezza con la tecnologia digitale.

    Fig. 7a-7b
    Controllo 15 mesi dopo l’inizio della trazione ortodontica degli elementi inclusi.

    In futuro, inoltre, sarà prezioso sfruttare le scansioni intraorali per migliorare le forme della corona dentale ricostruite da immagini CBCT per realizzare un modello completo di dente, con corona, radice e osso alveolare ad alta risoluzione.

    Ciò porterà a un sistema di intelligenza artificiale più accurato per l’odontoiatria digitale.

    I computer e le piattaforme di intelligenza artificiale hanno cambiato radicalmente il nostro settore e il nostro modo di approcciarci alla pratica clinica, ma ricordiamoci che siamo ancora alle prime fasi di questa storia. Benché sembrino già così familiari, queste tecnologie sono molto recenti e i cambiamenti più profondi devono ancora arrivare.

    Fig. 8a-8b Fine trattamento di ortodonzia intercettiva.
    Fig. 9 OPT Finale.
    Bibliografia:

    Zhiming Cui, Yu Fang, Lanzhuju Mei. A fully automatic AI system for tooth and alveolar bone segmentation from cone-beam CT images. NATURE COMMUNICATIONS | https://doi.org/10.1038/s41467-022-29637-2 (2022).

    Gan, Y. et al. Toward accurate tooth segmentation from computed tomography images using a hybrid level set model. Med. Phys. 42, 14–27 (2015).

    Gan, Y., Xia, Z., Xiong, J., Li, G. & Zhao, Q. Tooth and alveolar bone segmentation from dental computed tomography images. IEEE J. Biomed. Heal. Inform. 22, 196–204 (2018).

    Gao, H. & Chae, O. Individual tooth segmentation from CT images using level set method with shape and intensity prior. Pattern Recognit. 43, 2406–2417 (2010).

    Ji, D. X., Ong, S. H. & Foong, K. W. C. A level-set based approach for anterior teeth segmentation in cone beam computed tomography images. Comput. Biol. Med. 50, 116–128 (2014).

    Barone, S., Paoli, A. & Razionale, A. V. CT segmentation of dental shapes by anatomy-driven reformation imaging and b-spline modelling. Int. J. Numer. Methods Biomed. Eng. 32, e02747 (2016).

    Materials and methods:

    We would like to share with you our experience about the diagnosis through the use of the US AI platform Diagnocat LTD, Miami, FL (USA) the study programming using an iPad app that allows the simulation of the case in a simplified way (Shapr3d, Budapest, Hungary), digital operational planning (Software Ortho Analyzer 3Shape) and the creation of a customized device for the resolution of a surgical orthodontic case in developmental age.

    Aim of the work:

    This study aims to evaluate the accuracy of the realization of .stl files and the segmentation of each individual element, starting from cone beam computed tomography (CBCT), simulating orthodontic-surgical treatment for the three-dimensional evaluation of the position of the roots, in order to make it simpler but above all safer.

    Results:

    The clinical cases illustrated highlight the importance of the method used to simulate both the surgical approach and the orthodontic procedure, simplifying them and avoiding damage to adjacent structures.

    Conclusion:

    The effectiveness and efficiency of the “machine learning” adopted for AI make new digital technologies more usable, placing them within the reach of less accustomed clinicians and accelerate processing processes by reducing digital workflow times.