Der er eksempler på, at AI både kan foreslå overbehandling, men også anbefale forebyggende koncepter som fx undgåelse af pulpaperforation.
Oversigtsartikel
DATO:
Dansk
English
Histopatologien har givet klinikeren en forståelse af, hvordan carieslæsionen spreder sig i emaljen langs med emalje-dentin-grænsen og videre ind i pulpa-dentinorganet, hvilket har dannet teoretisk grundlag for valg af behandlingstype (nonoperativ eller operativ). Særligt er viden om det dybe cariesangreb blevet yderst relevant, idet der er en øget international interesse for brugen af pulpabevarende behandlinger som fx den selektive og den gradvise ekskaveringsmetode som et alternativ til rodbehandling ved meget fremskredne cariesangreb. I en nylig forsvaret ph.d.-afhandling blev der gjort nogle opsigtsvækkende basalbiologiske fund ved en nærmere undersøgelse af ubehandlede ekstremt dybe carieslæsioner; udover tilstedeværelsen af brusk og pulpapolypper blev der fremsat den hypotese, at det måske ville være muligt at benytte forekomsten af radiologisk synlig intrapulpal mineralisering som en indikator for pulpaskade. Kunstig intelligens (AI) inden for cariesforskning har særligt omhandlet diagnostik og behandlingsvalg. Som bruger er det dog vigtigt at være bevidst om begrænsninger i AI-teknologien, og at algoritmerne inden for AI hele tiden skal underlægges ”træning”, hvorved den nyeste forskning kan inddrages. Der er eksempler på, at AI både kan foreslå overbehandling, men også anbefale forebyggende koncepter som fx undgåelse af pulpaperforation.
Klinisk relevans:
Det er med baggrund i ny viden om cariessygdommen, at vi kan modificere vores behandlinger. Et godt eksempel er den ekstensive carieslæsion, hvor vi i dag mere præcist kan definere, hvornår noninvasive pulpabehandlinger har deres indikationsområde. Senstadier af inflammation såsom intrapulpal forkalkning er formodentlig tydelige tegn på irreversibel beskadigelse af det pulpale væv, og endelig er fundet af bakterier i pulpa foreneligt med såkaldt ekstremt dyb caries, hvor carieslæsionen radiologisk har kontakt til pulpa og endodontisk behandling er nødvendig. AI er en hurtigt udviklende teknologi, der kan bistå diagnostik og behandlingsvalg. Den kan vejlede, men også mislede og bør aldrig alene erstatte tandlægens beslutningsproces.
forfattere
Lars Bjørndal
lektor, dr.odont., ph.d., Cariology and Endodontics, Institute of Odontology, Faculty of Health and Medical Sciences, University of Copenhagen, Copenhagen, Denmark
Sune Demant
tandlæge, ph.d.-studerende, Sektionen for Cariologi, Endodonti, Pædodonti og Klinisk Genetik, Odontologisk Institut, Det Sundhedsvidenskabelige Fakultet, Københavns Universitet
Shaqayeq Ramezanzade
tandlæge, ph.d.-studerende, Cariologi og Endodonti, Sektion for Klinisk Oral Mikrobiologi, Odontologisk Institut, Det Sundhedsvidenskabelige Fakultet, Københavns Universitet
Saad Azzo
tandlæge, privat praksis, Lyngby
Tudor Dascalu
ph.d.-studerende, Institut for Computer Sciences, Københavns Universitet
Bulat Ibragimov
lektor, Institut for Computer Sciences, Københavns Universitet

