Negli ultimi anni, le applicazioni dell'intelligenza artificiale (AI) sono cresciute notevolmente, rivoluzionando il modo in cui gli esseri umani interagiscono con la tecnologia in generale. Le applicazioni dell'AI si stanno espandendo anche nel campo dell'odontoiatria, aprendo nuove possibilità sia per i clinici che per i pazienti. A causa dell'elevato numero di impianti dentali posizionati ogni anno, sono stati proposti molti strumenti innovativi basati sull'AI per tutte le fasi dell'odontoiatria implantare, dalla diagnosi alla prognosi e alla manutenzione. In dettaglio, gli strumenti AI possono aiutare i clinici a riconoscere marchi e tipi di impianti nelle radiografie, a identificare condizioni che potrebbero influire sul successo dell'impianto, a eseguire pianificazioni implantari più veloci e precise e a diagnosticare precocemente le malattie peri-implantari durante i controlli successivi. Sebbene alcune di queste applicazioni dell'AI siano ancora sperimentali, l'AI ha il potenziale dirompente di rivoluzionare ogni fase del trattamento implantare, aumentando l'accuratezza diagnostica e prognostica, accelerando e semplificando le procedure di pianificazione degli impianti, e permettendo interventi chirurgici più rapidi e meno invasivi. Tuttavia, l'AI e le tecnologie digitali non sostituiranno i dentisti, ma dovrebbero essere considerate come una nuova opportunità per accelerare compiti ripetitivi e dispendiosi in termini di tempo, liberando tempo che può essere dedicato all'interazione umana con i pazienti.
L'intelligenza artificiale (AI) è un termine ampio utilizzato per descrivere la capacità dei sistemi informatici di eseguire compiti complessi tradizionalmente associati all'intelligenza umana, come la presa di decisioni e la risoluzione di problemi (Joda, Waltimo et al. 2018; Shan et al. 2021). Tecnicamente, l'AI può essere divisa in due categorie principali: "debole" e "forte". La prima, conosciuta anche come intelligenza artificiale ristretta (ANI), consiste nella capacità di completare compiti specifici, come identificare un particolare obiettivo in una serie di immagini (visione artificiale), senza alcuna abilità cognitiva intrinseca. L'AI forte, invece, è definita come un sistema che replica le tipiche abilità mentali e la coscienza umana, lavorando esattamente come la mente umana (Scerri e Grech 2020). Sebbene non esista ancora una forma di AI forte, l'applicazione dei sistemi di AI debole nella vita quotidiana è cresciuta considerevolmente, rivoluzionando il modo in cui gli esseri umani interagiscono con la tecnologia e affrontano compiti complessi. La ricerca e le applicazioni dell'AI sono cresciute anche in medicina e odontoiatria.
Oggi, la maggior parte delle applicazioni dell'AI in medicina si basa sul machine learning (ML) e si concentra sull'analisi delle immagini radiologiche. Dopo l'addestramento su set di dati esistenti, gli algoritmi ML possono fornire previsioni accurate sui nuovi dati in ingresso (Bernauer et al. 2021). Nei modelli classici di ML, è necessario l'intervento umano per progettare e fornire al sistema un set di dati etichettato su cui l'algoritmo può essere addestrato.
In questo contesto, un sottoinsieme del ML è conosciuto come deep learning (DL). Rispetto al ML, i modelli DL possono osservare schemi nei dati e autonomamente gerarchizzare le informazioni grezze del set di dati di addestramento senza l'intervento umano (Ren et al. 2021). Le reti neurali artificiali (ANN) costituiscono la base degli algoritmi DL. Le reti neurali sono composte da strati di nodi: uno strato di input, uno o più strati nascosti e uno strato di output, e ogni nodo è un neurone artificiale connesso a un altro neurone. Le ANN con più di 3 strati possono essere considerate algoritmi DL (Fig. 1). Le ANN possono imparare e migliorare la loro precisione attraverso i set di dati di addestramento, tuttavia, questo processo richiede grandi quantità di dati (Bernauer et al. 2021).
Sono state sviluppate e introdotte diverse applicazioni e strumenti basati su AI per aiutare i dentisti nella pratica quotidiana, come l'identificazione e la classificazione delle patologie nelle immagini digitali (Litjens et al. 2017). Le radiografie intraorali 2D, la tomografia computerizzata a fascio conico (CBCT) e la scansione ottica sono quindi di particolare interesse in odontoiatria. I dati JPG, DICOM e STL vengono raccolti regolarmente per diagnosi, pianificazione del trattamento, progettazione restaurativa e rivalutazione, offrendo quindi una fonte interessante per lo sviluppo e l'utilizzo della tecnologia AI (Hung et al. 2020). I modelli diagnostici AI hanno mostrato risultati di successo nell'identificazione radiologica delle patologie dentali come lesioni cariose interprossimali, fratture radicolari, lesioni periapicali e perdita ossea parodontale (Fig. 2) (Devito et al. 2008; Johari et al. 2017; Chang et al. 2020; Endres et al. 2020).
I modelli AI sono stati anche introdotti con successo in ortodonzia, dove gli algoritmi basati sulla conoscenza e i metodi di visione artificiale hanno dimostrato di essere un modo affidabile per identificare e misurare i punti anatomici sui teleradiografie cefalometriche (Gupta et al. 2015; Park et al. 2019).
Lo scopo di questa recensione narrativa è descrivere e riassumere come l'AI viene attualmente utilizzata nell'odontoiatria implantare. La struttura di questa panoramica segue il flusso di lavoro digitale degli impianti: diagnosi, protocollo di trattamento clinico (incluso il flusso di lavoro di laboratorio), prognosi e manutenzione (Fig. 3), e descrive le fasi di lavoro in cui l'AI può giocare un ruolo oggi o in futuro. L'attenzione è rivolta alle aree di imaging dentale, pianificazione del trattamento, chirurgia implantare guidata e monitoraggio del paziente.