Tempo di lettura: 2 minuti
Autore: Dott. A. Costa
Le carie dentali rappresentano una delle malattie orali più diffuse e sono causate principalmente dalla presenza di batteri, come lo Streptococcus mutans, che fermentano i carboidrati e demineralizzano i tessuti duri del dente. Questo processo porta alla formazione di biofilm o placche dentali, che, se non trattate, possono causare danni significativi ai denti. La prevenzione delle carie richiede una diagnosi precoce e un trattamento tempestivo, e in questo contesto l’intelligenza artificiale (IA) sta emergendo come uno strumento fondamentale (Kariamian et al., 2018).
La Diagnosi Precoce delle Carie tramite Imaging e IA
Tradizionalmente, la diagnosi delle carie dentali è stata effettuata attraverso tecniche di imaging come la radiografia periapicale, la radiografia con luce vicino infrarosso, la tomografia a coerenza ottica (OCT) e l’imaging bitewing. Tuttavia, negli ultimi anni, l’uso dell’intelligenza artificiale, in particolare il deep learning (DL), ha guadagnato terreno come metodo avanzato per l’analisi delle immagini delle carie dentali. Il deep learning, una branca dell’apprendimento automatico, si è dimostrato efficace nell’interpretare immagini complesse, offrendo risultati promettenti per migliorare la precisione diagnostica (Casalegno et al., 2019).
Ad esempio, Kariamian et al. (2018) hanno utilizzato una rete neurale convoluzionale (CNN) per classificare i tessuti orali umani al fine di rilevare precocemente le carie dentali tramite tomografia a coerenza ottica, raggiungendo una sensibilità quasi perfetta di 0,998. Questo indica che il modello era estremamente efficace nel riconoscere la presenza di carie nei campioni analizzati.
Un altro studio rilevante è stato condotto da Casalegno et al. (2019), che hanno applicato un modello di deep learning chiamato U-Net per la segmentazione semantica e la rilevazione delle lesioni prossimali e occlusali utilizzando la transilluminazione nel vicino infrarosso. Questo approccio ha ottenuto una curva ROC (Receiver Operating Characteristic) con un’area sotto la curva di 0,856 per le lesioni prossimali e di 0,836 per le lesioni occlusali, dimostrando un’elevata precisione nel differenziare tra i tipi di lesioni.
Innovazioni Recenti: Dal Rilevamento della Placca alla Classificazione della Gravità delle Lesioni
Gli sviluppi più recenti hanno visto l’applicazione di modelli di deep learning per il rilevamento delle regioni di placca dentale e la classificazione della gravità delle lesioni cariose. You et al. (2020) hanno utilizzato una CNN pre-addestrata per il rilevamento della placca nelle immagini orali, ottenendo un’accuratezza del 72,6%. Nonostante questo risultato non sia perfetto, rappresenta un passo avanti nella diagnosi automatizzata delle carie.
Inoltre, Moran et al. (2021) hanno applicato una combinazione di modelli Inception e ResNet per identificare carie approximal nelle immagini radiografiche bitewing e classificarle secondo la gravità delle lesioni. Con un’accuratezza del 73%, questo approccio dimostra la capacità delle reti neurali profonde di valutare la gravità delle carie, il che è essenziale per determinare il trattamento più appropriato.
Infine, Zhu et al. (2022) hanno proposto un approccio basato su CNN chiamato CariesNet per la segmentazione delle lesioni cariose in diverse fasi, utilizzando la radiografia panoramica. Con un’accuratezza del 92%, CariesNet si distingue come uno degli strumenti più promettenti per la diagnosi e la gestione delle carie in clinica.
In foto: Studi Odontoiatrici WHITE
Conclusioni
L’integrazione dell’intelligenza artificiale nella diagnostica dentale sta trasformando il modo in cui affrontiamo la prevenzione e il trattamento delle carie. Gli approcci basati sul deep learning hanno dimostrato un grande potenziale nel migliorare la precisione e la tempestività delle diagnosi, contribuendo a ridurre significativamente l’incidenza di questa comune patologia orale.
Presso gli Studi Odontoiatrici WHITE, siamo sempre aggiornati sulle ultime innovazioni nel campo dell’odontoiatria e ci distinguiamo per essere uno studio all’avanguardia. Utilizziamo il Diagnocam, una tecnologia avanzata che permette di rilevare le carie in tempo reale senza l’uso di raggi X, garantendo un’esperienza diagnostica sicura e precisa. Prenotate una visita da noi per sperimentare il meglio della diagnostica moderna e mantenere la vostra salute dentale al top.
Riferimenti
- Kariamian, A., et al. (2018). Classification of human oral tissues to detect early dental caries using CNN and optical coherence tomography. Journal of Dental Research, 97(3), 290-298.
- Casalegno, F., et al. (2019). Multi-class semantic segmentation and detection of proximal and occlusal lesions using U-Net and near-infrared transillumination. Journal of Clinical Dentistry, 45(4), 321-330.
- You, Z., et al. (2020). Dental plaque region detection using pre-trained CNN on oral images. International Journal of Dental Science, 38(2), 178-185.
- Moran, M., et al. (2021). Approximal dental caries identification and severity classification in bitewing radiographs using Inception and ResNet. Radiographic Imaging Journal, 55(7), 499-506.
- Zhu, H., et al. (2022). CariesNet: A deep learning approach for multi-stage caries lesion segmentation using panoramic radiography. Journal of Dentistry, 112, 103756.