Wykrywanie zapalenia zatoki szczękowej o pochodzeniu endodontycznym na obrazach tomografii stożkowej za pomocą algorytmów uczenia głębokiego

Kiedy problemy z zębem sięgają zatok

Powtarzające się zatkany nos lub uczucie ucisku w twarzy często przypisuje się alergiom lub przeziębieniom, ale zaskakujący odsetek problemów zatokowych faktycznie zaczyna się od zakażonych tylnych zębów. W badaniu tym autorzy badają, jak sztuczna inteligencja potrafi odczytywać trójwymiarowe skany dentystyczne, aby wykryć, kiedy zapalenie zatoki jest związane z zakażeniem w okolicy korzenia zęba, pomagając stomatologom i lekarzom szybciej i z większą pewnością ustalić właściwą przyczynę.

Dlaczego zatoki i zęby są powiązane

Zatoki szczękowe leżą tuż nad górnymi zębami trzonowymi, oddzielone jedynie cienką warstwą kości. Gdy tkanka błony śluzowej wewnątrz tych zatok ulega zapaleniu lub pogrubieniu, pacjenci mogą odczuwać przewlekłe zatkanie, ból lub uczucie pełności w policzku. W wielu przypadkach zakażenie zęba przy wierzchołku korzenia drażni pobliską błonę śluzową zatoki, lecz objawy mogą przypominać zwykłe kłopoty zatokowe, a ząb może wydawać się bezobjawowy. Utrudnia to, nawet doświadczonym klinicystom, rozstrzygnięcie, czy zapalenie zatoki jest wywołane chorobą zęba, innymi przyczynami zatokowymi, czy też zatoka jest w rzeczywistości prawidłowa.

Jak trójwymiarowe skany dentystyczne dają jaśniejszy obraz

Tomografia stożkowa (CBCT) to trójwymiarowy skan stomatologiczny, który ukazuje zarówno kość, jak i tkanki miękkie w dużych szczegółach przy stosunkowo niskiej dawce promieniowania. Może ujawnić subtelne zmiany wokół korzeni zębów i w błonie śluzowej zatoki, które umykają standardowej tomografii medycznej lub zdjęciom rentgenowskim. W tym badaniu badacze zgromadzili 70 skanów CBCT z dwóch klinik endodontycznych i starannie wybrali ponad 5000 dwuwymiarowych przekrojów z trzech kątów widzenia: z góry (osiowy), z przodu (koronalny) i z boku (sagittalny). Eksperci stomatolodzy i radiolog stomatologiczny przejrzeli każdy skan i uzgodnili, które obrazy przedstawiają zatokę prawidłową, które pokazują zapalenie zatoki związane z chorym korzeniem zęba, a które ukazują zapalenie zatoki z innych, niedentystycznych przyczyn.

Nauczanie komputera odczytywania obrazów

Przed treningiem systemu uczenia głębokiego zespół oczyścił i ulepszył obrazy. Standaryzowali rozmiar obrazów, redukowali szumy i smugi po metalach oraz wyostrzali krawędzie, tak aby kluczowe struktury były wyraźniejsze. Użyli także rodzaju modelu generatywnego do tworzenia dodatkowych, wysokiej jakości obrazów treningowych, co wzbogaciło i urozmaiciło zbiór danych. Pipeline obliczeniowy następnie wykonał kilka etapów. Najpierw nauczył się rozpoznawać, jaki kąt widoku przedstawia każdy przekrój. Następnie etap segmentacji nauczył się wytyczać trzy kluczowe obszary: korzenie zębów, jamę zatoki i cienką błonę śluzową. W końcu wyspecjalizowane sieci analizowały każdy widok w celu wydobycia wzorców związanych z chorobą, a model „multi view” łączył informacje ze wszystkich trzech kątów, aby zdecydować, czy zatoka jest prawidłowa, dotknięta problemem korzenia zęba, czy dotknięta inną chorobą zatok.

Jak system się sprawdził

Badacze przetestowali swoje modele na zarezerwowanych obrazach oraz na zupełnie oddzielnym zestawie 738 przekrojów CBCT pochodzących od nowych pacjentów. Klasyfikator widoków niemal nigdy nie mylił trzech kątów skanów. Etap segmentacji wyznaczył kontury korzeni, przestrzeni zatoki i wyściółki z wysokim nakładaniem się z oznaczeniami ekspertów we wszystkich trzech widokach. Każdy klasyfikator pojedynczego widoku osiągnął już wysoką dokładność, ale sieć multi view łącząca wszystkie trzy perspektywy wypadła najlepiej. Zarówno na zestawie testowym, jak i na zewnętrznym danych, poprawnie sklasyfikowała każdy przypadek w trzech grupach, odpowiadając zbiorowej ocenie panelu ekspertów. Autorzy podjęli kilka kroków, by uniknąć przeuczenia, w tym dzielenie danych według pacjentów, ostrożną augmentację i techniki regularyzacji, aby system miał większe szanse uogólniać wyniki poza próbę badawczą.

Co to może znaczyć dla pacjentów

Dla klinicystów ta zautomatyzowana ścieżka przetwarzania może pełnić rolę niezmordowanego drugiego czytelnika, który wskazuje zapalenia zatoki związane z korzeniami, mapuje kształt zatoki i pokazuje, jak blisko zakażone korzenie leżą do dna zatoki. Takie wsparcie może pomóc w planowaniu leczenia kanałowego, decydowaniu o postępowaniu przy utrzymujących się objawach zatokowych oraz kierowaniu przy wszczepach lub zabiegach podniesienia dna zatoki. Chociaż obecne badanie opiera się na przekrojach 2D z ograniczonego pola widzenia i wymaga dalszych, szerszych testów w większej liczbie klinik i na różnych skanerach, tworzy solidne podstawy pod przyszłe narzędzia analizujące pełne skany 3D. Mówiąc prościej, praca pokazuje, że starannie zbudowana SI potrafi wiarygodnie wykryć, kiedy problemy zatokowe są powiązane z korzeniami zębowymi, wskazując jaśniejszą drogę od nieokreślonego ucisku twarzy do rzeczywistego źródła dolegliwości.

Cytowanie: Sherif, O.A.S., Taha, N.S., Fahmy, A.M. et al. Detection of maxillary sinusitis of endodontic origin in cone-beam CT images using deep learning algorithms. Sci Rep 16, 16254 (2026). https://doi.org/10.1038/s41598-026-52147-w

Słowa kluczowe: zapalenie zatoki szczękowej, zapalenie zatoki o pochodzeniu odontogennym, tomografia stożkowa, uczenie głębokie, obrazowanie stomatologiczne