Questa tecnologia si basa sull'elaborazione di grandi quantità di dati attraverso metodologie quali l'apprendimento automatico e le reti neurali, consentendo ai sistemi di apprendere da enormi set di dati e migliorare nel tempo. Un esempio chiaro di questo progresso si osserva nell'analisi di radiografie: inglobando migliaia di immagini radiografiche e i corrispondenti dati diagnostici, i sistemi di IA sono ora in grado di identificare anomalie patologiche con precisione crescente.

Nel settore clinico, l'IA ha mostrato un potenziale notevole, soprattutto in aree come la dermatologia, dove facilita la diagnosi precoce di tumori della pelle e assiste nella diagnosi differenziale delle malattie della retina. Più recentemente, ha trovato applicazione anche in odontoiatria, ad esempio nel riconoscimento e nella diagnosi delle lesioni cariose, dimostrando l'ampio spettro di possibilità offerte da questa tecnologia.
Tuttavia, nonostante i successi ottenuti, rimangono ambiti in cui l'integrazione dell'IA necessita di ulteriori sviluppi, come nel caso dei disturbi temporo-mandibolari. Quest'area rappresenta un campo di ricerca aperto, dove il potenziale di miglioramento è significativo, suggerendo che il percorso dell'IA in medicina sia ancora in una fase di evoluzione con molte più applicazioni e scoperte all'orizzonte.

 
Le carie

Uno dei pionieristici studi nel campo dell'intelligenza artificiale (IA) in odontoiatria ha esplorato l'uso di un software avanzato basato su reti neurali convoluzionali, specializzate nell'analisi di immagini e video, per la diagnosi di carie dentali. In questo esperimento, un gruppo di dentisti è stato incaricato di valutare una serie di radiografie bitewing, con l'obiettivo di identificare lesioni cariose nello smalto, carie dentinali iniziali e avanzate. Le radiografie sono state assegnate in modo casuale ai partecipanti, alcuni dei quali avevano accesso al supporto del software di IA, con l'intento di valutare l'impatto di tale tecnologia sulla precisione diagnostica.

L'uso del software IA ha dimostrato di migliorare la sensibilità della diagnosi, ovvero la capacità di rilevare correttamente i casi di carie, minimizzando i falsi negativi. Questo miglioramento, però, si è rivelato significativo solamente per le lesioni cariose dello smalto e non ha influenzato la specificità, ossia la capacità di identificare correttamente i casi non affetti da carie. Di conseguenza, l'impiego dell'IA ha portato a un incremento della propensione dei dentisti a optare per trattamenti sia invasivi che non invasivi.

Successivamente, a un anno di distanza dallo studio iniziale, gli stessi ricercatori hanno condotto un'analisi sul rapporto costo-efficacia dell'uso del software IA, valutando le decisioni terapeutiche adottate (classificate in non invasive, microinvasive e invasive) e assegnando un valore economico a tali scelte in base ai tariffari delle assicurazioni sanitarie obbligatorie in Germania. I risultati hanno confermato che, sebbene l'IA aumenti la sensibilità diagnostica e conduca a un maggiore ricorso a trattamenti invasivi, ciò comporta un incremento dei costi. Tuttavia, il rapporto costo-efficacia dell'uso dell'IA nella diagnosi di carie si è dimostrato paragonabile a quello delle metodologie diagnostiche tradizionali senza supporto IA, evidenziando i benefici e le sfide economiche dell'integrazione dell'intelligenza artificiale in ambito odontoiatrico.

Fonte: ELSEVIER 

 
Uno studio sull’ATM

Uno studio realizzato da un team di ricerca interuniversitario, con membri provenienti da Trieste, Milano e Pisa, ha esplorato le potenzialità dell'intelligenza artificiale (IA) nella diagnosi dei disturbi dell'articolazione temporomandibolare, puntando in particolare a facilitare il riconoscimento di tali disturbi da parte dei non specialisti. Questo aspetto assume un'importanza cruciale considerando che i disturbi temporo-mandibolari possono manifestarsi con sintomi molto variabili, spesso costringendo i pazienti a consultare numerosi medici prima di ottenere una diagnosi precisa. La complessità e la sfida nella diagnosi immediata contribuiscono a un numero significativo di casi non diagnosticati o non gestiti adeguatamente.

Tuttavia, i risultati dello studio non sono stati all'altezza delle aspettative riscontrate in altri settori di applicazione dell'IA. La difficoltà principale risiedeva nella natura dei dati a disposizione: al contrario delle immagini, che si prestano efficacemente all'analisi tramite IA grazie alla loro struttura e alla possibilità di apprendimento e previsione, lo studio si basava sull'interpretazione dei sintomi descritti verbalmente di sette casi clinici. Questi sintomi erano espressi sia mediante terminologia medica specifica sia in linguaggio comune.
L'IA ha manifestato limitazioni significative, fornendo diagnosi completamente errate in due dei casi analizzati. Negli altri casi, ha proposto da due a quattro ipotesi diagnostiche, tra cui era presente anche l'opzione corretta, ma questa varietà di possibili diagnosi rende lo strumento poco affidabile per un'applicazione clinica diretta nel breve termine.

La performance dell'IA in questo studio evidenzia le sfide nel trattare dati non strutturati come i racconti verbali dei pazienti, sottolineando la necessità di ulteriori ricerche e sviluppi per migliorare l'efficacia di tali sistemi in ambiti diagnostici complessi.

Fonte: WILEY

Bioetica e Bias

L'evoluzione dell'intelligenza artificiale (IA) nel settore odontoiatrico, come in ogni altro ambito tecnologico, porta con sé una serie di benefici che non dovrebbero mai far perdere di vista potenziali rischi e costi, inclusi quelli etici. Un parallelismo può essere tracciato con l'emergente tecnologia delle auto a guida autonoma, sollevando questioni importanti sulla responsabilità in caso di errore: chi ne sarà responsabile? Il progettista o il produttore, il venditore, o il clinico che utilizza la tecnologia?

Nonostante l'importanza di questi interrogativi, un articolo del 2021 evidenzia come la questione della responsabilità non sia ancora centralmente trattata nelle applicazioni di IA in odontoiatria. Tra le preoccupazioni principali vi è la protezione dei dati personali dei pazienti, ma anche il rischio di pregiudizi, intenzionali o meno, da parte dei tecnici che programmano i sistemi di IA. Questi pregiudizi possono derivare dalla selezione dei dati inseriti nei sistemi, influenzando così l'apprendimento e le prestazioni dell'IA.
Un'altra problematica sollevata riguarda l'effetto che l'adozione dell'IA potrebbe avere sui clinici stessi, che potrebbero diventare eccessivamente dipendenti da queste tecnologie, rischiando di perdere le proprie competenze diagnostiche e decisionali.

Inoltre, esiste una questione legata alla trasparenza e alla replicabilità della ricerca in IA: pochi studi forniscono una descrizione dettagliata degli strumenti di IA utilizzati, limitando la possibilità di replicare gli esperimenti e di convalidare i risultati. Questo aspetto è cruciale per garantire l'affidabilità e l'efficacia degli strumenti di IA in odontoiatria, assicurando che contribuiscano positivamente alla pratica clinica senza trascurare gli aspetti etici e di responsabilità.

Fonte: Sage Journals