Un nuovo studio presenta DentalGEN, un sistema sviluppato per automatizzare la progettazione di corone dentali personalizzate integrando nello stesso processo requisiti morfologici, funzionali ed estetici.
Il lavoro, pubblicato come Article in Press su npj Digital Medicine, descrive un framework di intelligenza artificiale generativa basato su un modello di diffusione multi-view controllabile. L'obiettivo è superare alcuni dei principali limiti degli attuali flussi CAD/CAM, nei quali la progettazione della morfologia della corona e la caratterizzazione estetica richiedono ancora un importante intervento manuale da parte del tecnico.
Dalla scansione alla corona completa
DentalGEN utilizza le informazioni provenienti dalla preparazione dentale, dai denti adiacenti, dall'antagonista e dalla linea di finitura per generare una corona tridimensionale completa. Il sistema è stato progettato per ricostruire contemporaneamente geometria e texture, mantenendo la coerenza tra le diverse visualizzazioni della superficie dentale.
Nel workflow illustrato dagli autori, il sistema sostituisce alcune delle operazioni manuali tipiche del processo CAD/CAM: individuazione e gestione della linea di finitura, progettazione della morfologia e pianificazione della caratterizzazione cromatica.
Il risultato viene quindi inviato alla fase di produzione, mantenendo successivamente il controllo clinico prima della cementazione.
Uno degli elementi centrali del sistema è proprio la capacità di considerare simultaneamente diversi vincoli clinici. La forma della corona viene quindi definita non soltanto sulla base del dente preparato, ma anche in relazione ai denti vicini, all'arcata antagonista e alla linea di finitura, con l'obiettivo di riprodurre contatti prossimali, rapporti occlusali e adattamento marginale.
Uno studio su oltre 26 mila campioni
Per sviluppare e valutare il sistema, i ricercatori hanno utilizzato dati provenienti da 7.880 pazienti, raccolti in diversi ospedali e cliniche.
Dopo la fase di standardizzazione, il database finale comprendeva 26.614 campioni, includendo sia corone progettate da odontotecnici sia corone naturali segmentate da scansioni digitali.
Il database comprendeva incisivi, canini, premolari e molari. Una parte dei dati è stata utilizzata per l'addestramento e il test interno, mentre 6.585 campioni provenienti da cinque cliniche indipendenti sono stati destinati alla valutazione esterna del modello.
Sul piano morfologico DentalGEN ha ottenuto risultati migliori rispetto ai modelli automatici utilizzati come confronto. In particolare, rispetto a DCPR-GAN, uno dei sistemi presi come riferimento, il nuovo metodo ha ridotto di circa il 47% la Chamfer Distance e del 70% la Hausdorff Distance, due parametri utilizzati per misurare la differenza geometrica tra la corona generata e quella di riferimento.
Occlusione, contatti e adattamento marginale
La valutazione non ha riguardato soltanto la forma della corona. I ricercatori hanno analizzato anche il rapporto occlusale, il contatto prossimale e l'adattamento alla linea di finitura.
Le corone generate dal sistema hanno mostrato distribuzioni dei contatti occlusali simili a quelle dei modelli di riferimento, con pattern differenti a seconda della posizione dentale. Il sistema ha inoltre adattato forma e posizione della corona alla dentatura circostante, tenendo conto delle caratteristiche individuali dell'occlusione.
Per quanto riguarda l'adattamento marginale, il valore medio del marginal gap ottenuto con DentalGEN è rimasto, per tutte le tipologie di dente considerate, al di sotto della soglia di 120 μm utilizzata dagli autori come riferimento clinico.
Anche la componente estetica è stata incorporata nel processo generativo. Il sistema produce infatti texture con gradienti destinati a integrarsi con la dentatura circostante. Gli autori sottolineano però che, allo stato attuale, queste informazioni cromatiche funzionano soprattutto come una sorta di “blueprint” digitale per guidare il tecnico nella caratterizzazione manuale, perché i comuni sistemi di fresaggio non sono ancora in grado di riprodurre direttamente tutte le informazioni cromatiche generate dal modello.
Il confronto con i tecnici
Un'ulteriore fase dello studio ha confrontato direttamente le corone progettate dall'intelligenza artificiale con quelle realizzate da tecnici esperti.
Quaranta casi clinici sono stati progettati sia con DentalGEN sia attraverso un tradizionale software CAD. Le 80 corone risultanti sono state quindi valutate in cieco da sei odontoiatri con un'esperienza clinica compresa tra 3 e 9 anni, utilizzando criteri derivati da quelli della FDI per forma anatomica, adattamento marginale, profilo occlusale e forma prossimale.
Il punteggio medio è risultato 4,017 su 5 per DentalGEN e 4,033 per le corone progettate dai tecnici, senza differenze statisticamente significative. Anche il tasso di accettabilità clinica è risultato simile: 95,42% per DentalGEN e 97,92% per il gruppo dei tecnici.
Progettazione in meno di un minuto
Uno degli aspetti più interessanti riguarda il possibile impatto sui tempi di lavoro.
Nel test prestazionale descritto dagli autori, DentalGEN ha completato l'intero processo, dalla segmentazione della scansione all'esportazione della corona pronta per la produzione, in 59,83 secondi, utilizzando una GPU NVIDIA RTX 3060. Il dato non comprende tuttavia il controllo clinico finale né eventuali correzioni manuali CAD.
Nel proof-of-concept clinico condotto su due pazienti, uno con una corona anteriore e uno con una corona posteriore, il sistema è stato inserito in un flusso completo che prevedeva preparazione, scansione, progettazione con AI, produzione e posizionamento della corona. Gli autori riportano una riduzione superiore al 90% del tempo attivo dedicato alla progettazione rispetto al workflow convenzionale.
Non ancora un sistema completamente autonomo
I risultati sono promettenti, ma lo stesso studio sottolinea che DentalGEN non deve essere interpretato come un sistema destinato a sostituire completamente il controllo umano.
Gli autori propongono infatti un approccio Human-in-the-Loop, nel quale ogni progetto viene sottoposto a controlli automatici e a una successiva verifica da parte del clinico o del tecnico prima della produzione. Occlusione, contatti prossimali, adattamento marginale, profilo di emergenza ed estetica devono quindi essere verificati prima della fabbricazione definitiva.
Restano inoltre diversi limiti. Lo studio ha valutato esclusivamente restauri a corona singola e il proof-of-concept clinico ha coinvolto soltanto due pazienti. Saranno quindi necessari studi prospettici più ampi, con follow-up a lungo termine, per analizzare efficacia clinica, complicanze, sopravvivenza delle restaurazioni, sicurezza e risultati riportati dai pazienti prima di ipotizzare un utilizzo routinario del sistema.
DentalGEN rappresenta quindi soprattutto una dimostrazione di come l'intelligenza artificiale generativa possa evolvere da semplice strumento di supporto alla modellazione verso sistemi in grado di intervenire su più fasi della progettazione protesica. La prospettiva indicata dallo studio non è quella di eliminare odontoiatra e odontotecnico dal processo, ma di spostarne progressivamente il ruolo dalle operazioni manuali alla supervisione, verifica e controllo qualitativo del progetto digitale.
