Za primární způsob, jak předcházet vzniku zubního kazu a snížit výdaje na zubní péči jsou sice považována preventivní opatření, avšak důležitá je také jeho včasná detekce, protože může snížit rozsah i cenu zubního ošetření. Vytvoření rentgenových snímků doplňuje vyšetření zrakem a sondou, které mohou být nedostatečné zejména pro odhalení počínajícího mezizubního kazu. Problém ale je, že v jejich interpretaci se zubní lékaři často rozcházejí, což prokázaly dřívější studie. V radiologii se na snímky dívají dva lékaři, a pokud se neshodnou, může přijít třetí. Ale zubař v typické ordinaci tuto možnost nemá, protože je zpravidla sám. (Zdroj: FEL ČVUT) Aktuální výzkum, publikovaný v časopise Clinical Oral Investigations, porovnával výkon automatické metody detekce zubního kazu s výkonem sedmi zubních lékařů, třech začátečníků a čtyř zkušených odborníků. "Jejich úkolem bylo označit zubní kazy na stovce rentgenových snímků. Shoda mezi odborníky byla poměrně nízká. Ve výsledku automatická metoda, která využívá hluboké učení, konzistentně překonávala nováčky a dosahovala podobných nebo lepších výsledků než i velmi zkušení zubní lékaři," seznamuje s výsledky výzkumu profesor Jan Kybic, který vede katedru kybernetiky Fakulty elektrotechnické ČVUT.
Eliminovat lidský faktor
S nápadem porovnat výsledek stávajících metod diagnostiky s hlubokým učením přišel MDDr. Antonín Tichý ze Stomatologické kliniky 1. lékařské fakulty Univerzity Karlovy a Všeobecné fakultní nemocnice v Praze a na výzkumu se podílela i MDDr. Valéria Nagyová ze stejného pracoviště. "Na rozdíl od jiných medicínských oborů si zubní lékaři většinu rentgenových snímků zhotovují i interpretují sami. Hodnocení snímků je však do jisté míry subjektivní a může se mezi lékaři podstatně lišit, což se potvrdilo i v naší studii. V tomto směru může automatická detekce kazů založená na umělé inteligenci snížit např. riziko přehlédnutí kazu, navíc může vizualizace kazů na snímku usnadnit komunikaci lékaře s pacientem. Motivací bylo také využití ve výuce studentů zubního lékařství, které se na našem pracovišti věnujeme,” uvádí dr. Antonín Tichý. K výzkumu významně přispěl absolvent FEL ČVUT Ing. Lukáš Kunt, který V rámci své diplomové práce z bezmála čtyř tisíc anonymizovaných rentgenových snímků s více než sedmi tisíci zubními kazy vytvořil soubor obrazových dat a neuronovou síť, která byla následně trénována na co nejpřesnější odhalování zubních kazů. Celý proces založený na nástrojích umělé inteligence zabral asi dva roky práce.
Pomoc i pro zubaře v terénu
Automatická metoda může zlepšit přesnost i opakovatelnost detekce kazů a poskytnout tak užitečný druhý názor i zkušeným zubním lékařům. To prokázaly studie vědců z FEL ČVUT a 1. LF UK. "V radiologii je praxe taková, že se na snímky dívají dva lékaři, a pokud se neshodnou, může přijít třetí. Ale zubař v typické ordinaci tuto možnost nemá, protože je zpravidla sám, takže právě jemu by naše metoda mohla nejvíce pomoci, obzvláště pokud se jedná o začínajícího lékaře s menšími klinickými zkušenostmi," shrnuje prof. Jan Kybic, kde vidí největší potenciál uplatnění. Automatická metoda založená na hlubokém učení má před sebou perspektivu uplatnění v lékařské praxi. Ing. Kunt i nadále spolupracuje s 1. lékařskou fakultou UK na vývoji uživatelského rozhraní tak, aby systém mohli využívat zubní lékaři a studenti a studentky medicíny. "Uživatelské rozhraní je téměř připraveno k použití, nejprve však musíme otestovat, nakolik je automatická metoda pro studenty užitečnou pomůckou. To chceme zjistit tak, že porovnáme schopnost detekce zubního kazu u studentů, kteří budou mít k dispozici naši aplikaci, se studenty, kteří se učí standardními metodami, tedy formou přednášky a praktické demonstrace s dohlížejícím zubním lékařem. Dle výsledků budeme dále pokračovat v optimalizaci a implementaci aplikace do výuky. K používání zubními lékaři v terénu je cesta ještě dlouhá a bude obtížné konkurovat komerčním produktům, které mají větší časové i finanční zdroje," vysvětluje dr. Valéria Nagyová.