Een haalbaarheidsstudie van deep learning-gebaseerde segmentatie van de nervus alveolaris inferior op magnetic resonance neurography

Waarom deze kleine tandzenuw belangrijk is

De zenuw die door je onderkaak loopt, zorgt ervoor dat je gevoel hebt in tanden, lip en kin. Tandartsen doen hun best om deze niet te beschadigen tijdens ingrepen, maar op standaardbeelden is hij vaak lastig duidelijk te zien. Deze studie onderzoekt of een speciaal soort MRI gecombineerd met kunstmatige intelligentie die zenuw direct kan afbakenen, wat de veiligheid van veelvoorkomende tandheelkundige ingrepen en de precisie van de planning in de toekomst zou kunnen verbeteren.

Beperkingen van huidige kaakbeeldvorming

Tegenwoordig vertrouwen tandartsen meestal op panoramische röntgenfoto’s en cone beam CT-scans om te schatten waar deze zenuw ligt. Deze beelden tonen het botkanaal dat de zenuw omgeeft, niet de zenuw zelf, en de randen van dat kanaal zijn slechts bij ongeveer zes van de tien mensen goed zichtbaar. Wanneer een patiënt gevoelloosheid of pijn heeft na een implantaat, kan CT vaak niet bepalen of alleen de botwand is gebroken of dat de zenuw binnenin gekneusd of doorgesneden is. Die onzekerheid bemoeilijkt het inschatten van de ernst van een letsel en wat voor herstel te verwachten is.

Een scan die zenuwen direct laat zien

Magnetic resonance neurography is een verfijnde vorm van MRI die is ontworpen om zenuwen te benadrukken door signalen van bloedvaten te onderdrukken en bewegingsartefacten te verminderen. In gezicht en kaak kan het veranderingen laten zien zoals zwelling of schade langs zenuwvezels, en daarmee informatie bieden die op botgebaseerde scans niet zichtbaar is. Ondanks deze voordelen is het zelden gecombineerd met geautomatiseerde tools die kleine zenuwen snel en consistent kunnen volgen. De auteurs onderzochten of een deep learning-systeem zou kunnen leren de nervus alveolaris inferior direct te segmenteren op deze op zenuwen gerichte MRI-beelden.

Een computer leren de zenuw te volgen

Het team verzamelde meer dan zesduizend afbeeldingen van 51 gezonde onderkaakzenuwen bij 29 patiënten die magnetic resonance neurography ondergingen vanwege zenuwklachten. Een expert-radioloog markeerde de zenuw zorgvuldig op elke beeldslice om een betrouwbare referentie te creëren. De onderzoekers preprocessededen de beelden tot uniforme vierkanten en trainden een gespecialiseerd neuraal netwerk dat zowel fijne details als bredere context opvangt, zodat het de dunne, vage zenuw kon onderscheiden van vergelijkbaar ogend zacht weefsel. Dit model werd vergeleken met zes toonaangevende segmentatienetwerken die veel worden gebruikt voor kleine medische structuren.

Hoe goed het model presteerde

Het nieuwe systeem behaalde hogere nauwkeurigheid dan alle zes concurrerende methoden op vier standaardmaatstaven voor segmentatiekwaliteit. Gemiddeld overlappen de door het model voorspelde zenuwcontouren de expertmarkeringen in een mate die vergelijkbaar is met wat is gerapporteerd wanneer twee menselijke lezers andere perifere zenuwen segmenteren. De onderzoekers bekeken ook verschillende faalsoorten: gevallen waarin de zenuw volledig gemist werd, waarin het gevolgde pad van de werkelijke loop afsprong, of waarin de randen te los of te strak waren. Hun model had het laagste percentage voor elk van deze faalsoorten. Zelfs in veel scans die werden beïnvloed door felle strepen van tandheelkundig metaal, wist het systeem de zenuw vaak nauwkeurig te volgen, hoewel in één sterk vervormd geval elk model faalde.

Wat dit kan betekenen voor tandheelkundige zorg

Dit werk levert nog geen kant-en-klaar hulpmiddel voor routinematig gebruik in de kliniek en werd getest op een beperkt aantal patiënten uit één centrum met alleen normale zenuwen. Toch laat het zien dat op zenuwen gerichte MRI in combinatie met een op maat gemaakt deep learning-model de nervus alveolaris inferior veelbelovend betrouwbaar kan segmenteren. In de toekomst zouden dergelijke hulpmiddelen de handmatige tracering kunnen verlichten, chirurgen duidelijkere kaarten van de zenuw kunnen geven voordat ze implantaten plaatsen of kaakchirurgie uitvoeren, en kunnen helpen subtiele veranderingen in beschadigde zenuwen in de tijd te volgen.

Bronvermelding: Choi, Y.J., Han, S., Lee, C. et al. A feasibility study of deep learning-based segmentation of the inferior alveolar nerve on magnetic resonance neurography. Sci Rep 16, 15433 (2026). https://doi.org/10.1038/s41598-026-45392-6

Trefwoorden: nervus alveolaris inferior, tandheelkundige beeldvorming, magnetic resonance neurography, deep learning segmentatie, planning van mondchirurgie