Analiza radiograficzna wspomagana przez AI w wykrywaniu nasilenia i wzorców ubytku kości wyrostka zębodołowego

Dlaczego ma to znaczenie przy następnej wizycie u dentysty

Choroba dziąseł robi więcej niż tylko powoduje krwawienie—cicho rozpuszcza kość utrzymującą zęby na miejscu. Dentyści próbują wychwycić te uszkodzenia na zdjęciach rentgenowskich, ale odczytywanie tych obrazów jest trudne i czasochłonne, a drobne zmiany łatwo przeoczyć. To badanie pokazuje, jak sztuczna inteligencja (AI) może pomóc dentystom szybsze i bardziej spójne mierzenie ubytku kości wokół każdego zęba, otwierając drzwi do wcześniejszego leczenia i lepszych szans na uratowanie zębów.

Ukryta kość, która utrzymuje zęby na miejscu

Każdy ząb jest zakotwiczony przez system podtrzymujący złożony z tkanki dziąsłowej, drobnych więzadeł i kości szczękowej. Gdy długotrwałe infekcje dziąseł pozostają nieleczone, to podparcie stopniowo się rozkłada, prowadząc do „ubytku kości wyrostka zębodołowego”, czyli zmniejszania się kości otaczającej korzenie zębów. Na całym świecie ciężkie postaci tego uszkodzenia dotyczą około jednej piątej osób powyżej 15. roku życia i są istotną przyczyną utraty zębów. Na zdjęciach rentgenowskich dentyści oceniają nasilenie tego ubytku, mierząc odległość między naturalnym punktem orientacyjnym na powierzchni zęba a górną krawędzią otaczającej kości; zwracają też uwagę na kształt tej krawędzi — czy obniżyła się równomiernie (ubytek poziomy), czy w ostrym, klinowatym wzorcu (ubytek kątowy). Zarówno wielkość, jak i kształt ubytku kości mają znaczenie przy wyborze odpowiedniego leczenia, w tym czy zabiegi powodujące odrost kości mają szansę zadziałać.

Dlaczego samo wizualne ocenianie zdjęć rentgenowskich nie wystarcza

Mimo swego znaczenia ocena ubytku kości na zdjęciach rentgenowskich jest wciąż w dużej mierze wykonywana ręcznie i w dużym stopniu zależy od doświadczenia dentysty i poziomu zmęczenia. Dwóch klinicystów może podać różne odczyty tego samego obrazu, a zapracowane gabinety mogą mieć trudności z dokładnym przejrzeniem każdej powierzchni zęba. Poprzednie próby wykorzystania AI w tym zakresie często potrafiły jedynie stwierdzić obecność ubytku lub w przybliżeniu ocenić jego nasilenie, lecz rzadko dawały precyzyjne, zębowo‑pozękowe pomiary i zwykle nie ujmowały jednocześnie zarówno nasilenia, jak i wzorca ubytku. Autorzy tej pracy postawili sobie za cel zbudowanie jednego zautomatyzowanego systemu, który potrafiłby wykonać obie te funkcje — zmierzyć, ile kości ubyło, i sklasyfikować, czy ubytek ma charakter poziomy czy kątowy — korzystając z typu zdjęć zębów, które dentyści wykonują na co dzień.

Jak AI odczytuje zdjęcia rentgenowskie zębów

Zespół wykorzystał publiczny zbiór 1000 starannie oznakowanych wewnątrzustnych zdjęć okołowierzchołkowych, z których każde pokazuje kilka zębów w szczegółach. Najpierw model AI został wytrenowany do wykrywania i rysowania prostokątów wokół każdego zęba na obrazie. W obrębie każdego zęba druga grupa modeli lokalizowała trzy kluczowe punkty: granicę szkliwa i cementu przy linii dziąsła, czubek korzenia oraz punkt, w którym widoczna krawędź kości przecina powierzchnię zęba. Rzutując te punkty na prostą linię i porównując ich odległości, system przekształcał odległości w pikselach na procentowy ubytek kości dla każdego zęba. Osobny model odrysowywał kontury zarówno zębów, jak i krawędzi kości, a następnie przekształcał te kształty w cienkie linie. W każdym miejscu wykrytego ubytku oprogramowanie porównywało nachylenie powierzchni zęba z nachyleniem linii kości; płytkie kąty wskazywały na defekty kątowe, podczas gdy bardziej strome, równoległe linie oznaczały ubytek poziomy. Ten łańcuch kroków pozwolił AI przejść od surowych zdjęć rentgenowskich do szczegółowych pomiarów i etykiet wzorców automatycznie.

Jak dobrze system sobie poradził

Aby sprawdzić, czy pomiary AI są godne zaufania, badacze porównali je z adnotacjami ekspertów oraz z ręcznymi odczytami lekarza dentysty na osobnym zestawie zdjęć rentgenowskich. W przypadku nasilenia ubytku kości zgodność między systemem a ludzkimi ekspertami oceniono jako „dobrą” według standardowych statystyk niezawodności, a korelacja z ocenami doświadczonego klinicysty była silna. W odniesieniu do wzorców ubytku AI poprawnie rozróżniała ubytki poziome od kątowych w około dziewięciu na dziesięć przypadków i wykazywała umiarkowaną zgodność z decyzjami eksperta. Oprogramowanie działało także szybciej niż człowiek: potrafiło przeanalizować całe zdjęcie rentgenowskie w około 25 sekund, w porównaniu z 1–4 minutami dla specjalisty, jednocześnie badając każdą powierzchnię zęba w sposób jednolity.

Co to oznacza dla pacjentów i dentystów

Badanie sugeruje, że AI może stać się pomocną, drugą parą oczu w gabinecie dentystycznym, oferując obiektywne, powtarzalne pomiary stopnia ubytku kości i rodzaju występującego wzorca uszkodzeń. Dentyści nadal podejmowaliby ostateczne decyzje, ale mogliby wcześniej być ostrzegani o subtelnych zmianach, planować leczenie z większą pewnością i śledzić, czy terapia spowalnia lub zatrzymuje ubytek kości w czasie. Chociaż system wciąż wymaga testów w warunkach rzeczywistych, w codziennych klinikach, wskazuje na przyszłość, w której rutynowe zdjęcia rentgenowskie staną się jednocześnie precyzyjnymi, wspomaganymi komputerowo narzędziami do zachowania kości, która utrzymuje nasze zęby na miejscu.

Cytowanie: Wimalasiri, C., Rathnayake, P., Wijerathne, S. et al. AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns. Sci Rep 16, 7974 (2026). https://doi.org/10.1038/s41598-026-38061-1

Słowa kluczowe: zapalenie przyzębia, radiogramy dentystyczne, sztuczna inteligencja, ubytek kości, uczenie głębokie