THE BEST OF EVIDENCE BASED DENTISTRY
Condizione clinica
L’applicazione dell’intelligenza artificiale in medicina ha coinvolto anche l’odontoiatria, compresa la diagnosi delle lesioni cariose. Altri campi dell’odontoiatria possono avvalersi dell’intelligenza artificiale, come la diagnosi di anomalie dentali e la presenza di patologie periapicali di origine endodontica.
Nonostante una crescita d’impiego dell’intelligenza artificiale nella medicina e nell’odontoiatria esistono, ad aggi, delle riserve in merito al suo utilizzo come strumento che possa affiancare il clinico nei processi diagnostici. Le principali riserve fanno riferimento alla presenza di diverse piattaforme che possono essere impiegate dall’intelligenza artificiale nei processi diagnostici, le tecniche di elaborazione dei dati e un insufficiente training, da parte degli utilizzatori, nell’interpretare i dati rilevati dall’intelligenza artificiale stessa.
Questi aspetti sollevano preoccupazioni etiche e di regolamentazione riguardo una completa introduzione dell’intelligenza artificiale a supporto del clinico nella diagnosi delle lesioni cariose iniziali o sospette.
Una recente revisione sistematica e metanalisi australiana ha valutato e confrontato l’intelligenza artificiale in relazione alla sua performance nel porre diagnosi di lesione cariosa partendo da supporti convenzionali normalmente impiegati per la diagnosi della lesione cariosa come le radiografie e le immagini cliniche.
Dati di evidenza scientifica
La selezione degli studi ha permesso di includere 45 lavori che riportano i dati provenienti dall’intelligenza artificiale nella valutazione delle radiografie dentali e delle immagini cliniche nella diagnosi della lesione cariosa. Nello specifico, 33 studi hanno considerato l’uso radiografie per l’intercettazione della lesione cariosa (radiogrammi bitewing, radiogrammi periapicali, radiografie panoramiche, Cbct), mentre 12 studi hanno valutato l’utilizzo delle immagini cliniche, scattate con macchina fotografica reflex digitale, sensore fotografico dello smartphone o provenienti da una telecamera intraorale.
La revisione sistematica o analisi qualitativa ha rilevato una capacità da parte dell’intelligenza artificiale di intercettare la lesione cariosa in un intervallo compreso tra il 41,5% e il 98,6%, con una notevole variabilità in base alla piattaforma elettronica impiegata.
I dati medi conclusivi riportano che l’intelligenza artificiale ha una sensibilità pari al 76% (95%, ci: 65%-85%) e una specificità pari al 91% (95%, ci: 86%-95%).
I valori di specificità nella diagnosi della lesione cariosa appaiono omogenei tra loro impiegando sia le immagini radiografiche sia le immagini cliniche, mentre è stata osservata una maggior sensibilità se l’intelligenza artificiale analizzava immagini cliniche nella diagnosi della lesione cariosa.
Implicazioni cliniche
1) L’intelligenza artificiale può, e potrà in seguito a miglioramento, rappresentare un supporto supplementare per il clinico nella diagnosi, la più accurata possibile, della lesione cariosa.
2) Il potenziale diagnostico dell’intelligenza artificiale nei confronti della lesione cariosa appare variabile e dipendente dal tipo di piattaforma elettronica impiegata.
