De rol van kunstmatige intelligentie in de moderne mondzorgpraktijk

Verslag van de lezing van dr. Guido de Jong tijdens het NWVT jaarcongres.

Een aantal begrippen

In de mondzorg duiken steeds vaker termen op als AI, machine learning en deep learning. Hoewel ze nauw met elkaar samenhangen, betekenen ze niet hetzelfde. We gaan wat dieper in op de theorie.

• AI (ArtificialIntelligence)
  Een parapluterm. Het vermogen van computersystemen om menselijke cognitieve functies na te bootsen, zoals redeneren, leren en beslissingen nemen.
• Machine Learning (ML)
  Een techniek binnen AI waarbij computers leren uit voorbeelden. Ze ontdekken patronen in data en verbeteren zichzelf zonder dat ze voor elke stap worden geprogrammeerd.
• Deep Learning (DL)
  Een vorm van machine learning die gebruikmaakt van neurale netwerken met meerdere lagen. Deze netwerken kunnen ongestructureerde gegevens, zoals röntgenbeelden, analyseren en interpreteren.
• Big Data
  Datasets die te groot zijn om handmatig te analyseren en welke veelvuldig gebruikt worden in combinatie met kunstmatige intelligentie.

Er zijn twee bouwstenen waar AI in de tandheelkunde veel mee te maken heeft. Ze zijn gebaseerd op biologische neuronen: kleine reken­eenheden die signalen ontvangen, verwerken en doorgeven. Dit biologische principe wordt wiskundig nagebootst in een zogenoemd artificial neural network (ANN). Zo’n netwerk leert patronen herkennen door de verbindingen tussen digitale “neuronen” aan te passen op basis van voorbeelden en feedback. Een tweede belangrijke bouwsteen is het convolutional neural network (CNN). Dit type netwerk is specifiek ontworpen voor beeldverwerking en werkt op vergelijkbare wijze als het visuele systeem van mens en dier. CNN’s analyseren beelden in lagen, waarbij ze randen, vormen en texturen leren herkennen. Daardoor zijn ze bijzonder geschikt voor toepassingen als cariësscreening, botniveaumeting en tandherkenning op röntgenbeelden of intra-orale scans.

Hoe leert een AI-systeem?

Nu we wat technische begrippen behandeld hebben, is het ook belangrijk aandacht te schenken aan hoe zo’n systeem deze AI-systemen kunnen op verschillende manieren leren.

• Supervised learning
  Het systeem leert op basis van gelabelde voorbeelden. Denk aan röntgenbeelden waarop cariës handmatig zijn aangeduid.
• Unsupervised learning
  De AI ontdekt zelf patronen en verbanden in data zonder vooraf opgegeven labels.
• Self-supervised learning
  De computer genereert automatisch labels uit de data zelf.
• Reinforced learning
  Het systeem leert via beloning en straf, vergelijkbaar met conditionering. Dit heeft momenteel nog weinig toepassing binnen de tandheelkunde.

In de praktijk is supervised learning de meest gebruikte methode bij medische beeldvorming.

Waarom juist nu in de tandheelkunde?

De tandheelkunde is bij uitstek geschikt voor AI-toepassingen. Daar zijn drie belangrijke redenen voor.

Eerst is er een overvloed aan digitale beelddata. Denk aan conventionele röntgenfoto’s, IO scans, CBCT-opnamen, OPT’s en CAD/CAM-ontwerpen. Deze vormen een rijke basis voor AI-systemen die leren op beeldinformatie. Ten tweede is de rekenkracht van computers de laatste jaren enorm toegenomen. Daardoor kunnen complexe algoritmen binnen seconden miljoenen pixels analyseren. Ten derde is de use case overtuigend. AI-toepassingen bieden meetbare voordelen: ze kunnen nauwkeuriger zijn dan handmatige beoordeling, minder gevoelig voor menselijke variatie en bovendien tijd besparen in de praktijk.

Tijdens het congres bleek (na een vlugge telling) dat al ongeveer een kwart van de aanwezigen in de zaal AI-toepassingen gebruikt in de eigen praktijk. Dat onderstreept dat de technologie geen science fiction meer is, maar steeds vaker onderdeel van de dagelijkse mondzorg.

Toepassingen van AI in de mondzorgpraktijk

De toepassingen van AI zijn inmiddels divers en praktisch bruikbaar. Hier zijn enkele voorbeelden van verschillende gebieden waarin AI al wordt ingezet.

• Radiologische ondersteuning
  Dit is de meest gebruikte en de meest bekende toepassing die reeds is geimplementeerd. AI kan op 2D-beelden zoals bitewings cariës detecteren, botniveaus meten en periapicale afwijkingen signaleren. Door middel van segmentatie en classificatie kan het systeem specifieke structuren herkennen en analyseren.
• Orthodontie
  Steeds meer orthodontisten gebruiken AI-gestuurde remote monitoring. Patiënten uploaden selfies of scans, waarmee de voortgang tussen afspraken op afstand wordt gevolgd, ookwel bekend als ‘’Home Assesment”.
• CAD/CAM en prothetiek
  Binnen digitale restauratieve workflows biedt AI ondersteuning bij kroonontwerpen, outline-detectie en automatische tandherkenning in intra-orale scans. De software stelt ontwerpvoorstellen voor, die de tandarts vervolgens kan aanpassen.
• Workflow en administratie
  AI kan ook helpen bij administratieve processen, zoals declaratieondersteuning en automatische documentatie. Dit vermindert de werkdruk en maakt tijd vrij voor patiëntenzorg.

Bij al deze toepassingen blijft de zorgverlener natuurlijk eindverantwoordelijk. AI biedt besluitondersteuning, maar moet niet overgelaten worden om beslissingen te nemen over diagnose of behandeling.

De toekomst van AI in de tandheelkunde

De komende jaren zal AI zich verder ontwikkelen richting geavanceerde plannings- en voorspellingssystemen.

Volautomatische orthodontische planning, waarbij het gewenste eindresultaat wordt berekend op basis van een uitgangssituatie, is in opkomst. Ook binnen de orthognatische chirurgie wordt AI gebruikt om weke-delen veranderingen en zijprofielen te voorspellen.

Daarnaast verschijnen meer toepassingen voor home assessment. Met behulp van een smartphone kan de patiënt zelf de mondgezondheid controleren of een verdachte plek fotograferen. In de toekomst kan AI zo bijdragen aan screening van orale oncologie, tandvleesontstekingen of algemene mondgezondheid.

Deze ontwikkelingen volgen een actualiteit die eerder in de geneeskunde zichtbaar was, waar AI inmiddels mammografieën soms beter beoordeelt dan radiologen. Dit is natuurlijk wel bijzonder omdat de technologie beter presteert dan de mensen die ‘’hem’’ getraind hebben. De vraag is niet of, maar wanneer dit ook binnen de tandheelkunde realiteit wordt.

De schaduwzijde van AI

Naast de vele kansen zijn er ook risico’s. Mondzorgprofessionals moeten zich bewust blijven van meerdere beperkingen van AI. Overmatig vertrouwen kan leiden tot fouten, zeker wanneer het antwoord van AI 1:1 over wordt genomen. Een AI maakt namelijk ook fouten of vertoont ‘’hallicunaties’’. Dit kan zomaar gebeuren, maar vooral wanneer er verkeerde of onvolledige data gebruikt. Slechte invoer betekent immers slechte output. Bovendien blijft de interne werking van AI-systemen vaak een black box: het is niet altijd duidelijk hoe een algoritme tot een bepaalde beslissing komt. Professionals kunnen leren en begrijpen hoe een AI beslissingen neemt, maar we weten niet hoe zwaar verschillende factoren meegewogen worden in een antwoord.

Privacy en databescherming vormen een ander aandachtspunt. Gegevens moeten volgens de Europese wetgeving veilig worden verwerkt. Patiënten moeten weten dat hun beelden gebruikt worden en daarvoor toestemming geven.

Tot slot is er het risico dat professionals te afhankelijk worden van technologie en hun eigen diagnostische scherpte verliezen. Worden we niet lui van overmatig AI gebruik?

Verantwoord gebruik

Hoe moet het dan wel? Om AI verantwoord toe te passen, zijn enkele principes essentieel.

Gebruik AI als hulpmiddel, niet als vervanging van klinisch oordeel. Laat een software geen beslissingen nemen, geef deze geen verantwoordelijkheden maar behandel deze als assistent. Dit principe heet human-in-the-loop. Wees verder bewust van van wat het kan, maar wees vooral bewust van wat het niet kan. Voer altijd een lokale validatie uit voordat een systeem in de praktijk wordt ingezet. Wees op de hoogte van software-updates en volg deze zorgvuldig, want één wijziging kan grote gevolgen hebben.

Zorg ten slotte voor transparante communicatie en informed consent richting de patiënt.

Take-home message

Kunstmatige intelligentie is niet langer science fiction, maar een realiteit binnen de tandheelkunde. De technologie biedt voordelen op het gebied van diagnostiek, planning en workflowoptimalisatie, maar vraagt tegelijk om kritisch nadenken, kennis van beperkingen en naleving van ethische en juridische kaders. Voor de mondzorgprofessional ligt hier een kans om de kwaliteit van zorg te verhogen, mits AI op een verantwoorde en goed geïnformeerde manier wordt toegepast. AI is daarbij een krachtige bondgenoot, maar geen vervanging van klinische expertise. Wie de technologie begrijpt, valideert en kritisch blijft volgen, kan profiteren van snellere diagnostiek, een efficiëntere workflow en meer tijd voor de patiënt. De toekomst van de tandheelkunde is digitaal, maar blijft bovenal mensgericht, met een beetje ondersteuning van AI.

 

Dr. Guido de Jong is technisch geneeskundige en assistant professor of Artificial Intelligence and 3D technology op de Radboud Universiteit.

 Verslag van de lezing van dr. Guido de Jong, door Camil Chakir,  tijdens het NWVT jaarcongres.