Прежде чем перейти к статье, хочу вам представить, экономическую онлайн игру Brave Knights, в которой вы можете играть и зарабатывать. Регистируйтесь, играйте и зарабатывайте!
Сегодня цифровизация: это- неотъемлемый контекст существования какой-либо сферы человеческого сообщества будь то наука и технологи или целая отрасль промышленности. Постоянное внедрение кибернетических систем и комплексов позволяет значительно облегчить прикладные аспекты эксплуатации, разного рода, технологических цепей, а порой позволяет в значительной степени снизить риски ошибок, связанных с человеческим фактором. Не обходят стороной эти явления диагностическую и прикладную стоматологию. Об этом и хотелось поговорить в этом обзоре.
Сегодня нескольким международным технологическим компаниям таким как Ontico или Align Technology, специализирующихся по машинному обучению и искусственному интеллекту удалось пройти определенный путь по созданию и обучению нейронных сетей на распознавание зуба, зубных рядов и десен, и улыбки и лица. И применяя возможности искусственных нейронных сетей, наладить облачный сервис, полуавтоматического сбора зуботехнических заказов, далее производства и распределения зубочелюстных протетических изделий и апробировать перспективы применения специально обученных искусственных нейронных сетей непосредственно в сканировании зубных рядов и в последующем моделировании стоматологических изделий. Некоторые трудности неизбежно возникли на этапах дискретизации оптических картин, но тенденция развития данных систем сохранится, мало того явно в пользу вытеснения мануальной компоненты в профессии зубного техника. Зубной техник становится оператором автоматических и полуавтоматических систем. Он не будет сам заниматься сканированием и моделирование зубных мостов, а будет обеспечивать юниты и системы доступом к материалам для диагностики и последующей 3d печати. Так как вышеназванные системы, быстро конденсируют сегодня опыт и принципы ортопедической зубоврачебной практики и интеллектуальные принципы лабораторных производственных процессов. Этот бесспорно позитивный факт заставляет нас надеяться на возможности углубления и масштабирования данных технологий, и незамедлительную массовую распространенность и упрощение создания и продвижения стоматологических услуг среди населения. Массивная часть компетенций и ответственности перемещается в кибернетические комплексы с аккумулированным опытом многих специалистов различных клинических направлениях стоматологии и медицины, кинематики и ортопедии в широком междисциплинарном понимании данной проблематики. Параллельно с перенятием опыта врача клинициста и медицинского техника дизайнера математическими алгоритмами, развивается более абстрактный способ понимания смысла ортопедической реабилитации как фича-генерация, в определённом смысле это вычленение нейронными сетями из масс данных определённых принципов и признаков скульптуры протезов которые не всегда сводятся к повторению статистической морфологии, и дальнейшее их конструирование в иерархию применимую для авто-генерации коронок мостов и протезов. Вероятно, возникнут и будут востребованы новые специальности такие как медицинский техник оператор роботизированных или кибернетических медицинских комплексов. Начинающие специалисты будут быстрее интегрированы в производственные процессы. В этой связи приобретает очертания новая формации в образовании, производстве и медицине в целом: это- так называемая "Кибернетическая Стоматология". И так, погружаясь в специфику стоматологического протезирования, в процессе изготовления зубных протезов и искусственных коронок есть несколько обязательных этапов. А именно: получение оттисков зубных рядов, дёсен или зубов после обточки. Оттиски, могут быть конвекционными, или цифровыми, причем цифровые в свою очередь могут быть лабораторными оптическими сканами с моделей, изготовленных по аналоговым слепкам или полученными непосредственно в процессе оптического сканирования полости рта пациента в клинической практике. В том и в другом случае возникает ряд неконтролируемых методологических погрешностей выливающихся в неполное соответствие протезных изделий зубному и десневому ложу. На наш взгляд эта проблема частично или полностью может быть устранима, если в должной степени использовать в стоматологическом клиническом и производственном цикле возможности математического и алгебраического аппарата заложенного в специально обученные искусственные нейронные сети. Несколько слов об искусственных нейронных сетях. Основная идея нейронных сетей это- моделирование (копирование упрощенным, но достаточно точным образом) множества плотно взаимодействующих между собой клеток мозга человека внутри компьютерной программы, да так что бы мы могли научить его (множество) распознавать различные закономерности и принимать решения как человек. Своего рода цифровизация функций мозга если хотите. Хотя биологические нейросети устроены гораздо сложнее. И всё ж самое удивительное в нейронных сетях это то что их, не нужно программировать для явного обучения, сеть обучается сама по себе как мозг. И так, в самом общем смысле, это, некие математические модели, реализованные к коде, программах, и аппаратных комплексах устроенных, в определённом смысле, по принципам функционирования физиологических нейронных сетей живых организмов. Чаще всего нейронные сети многослойные, а минимальная единица их это искусственный нейрон перцептрон (в случае самой простой сети, или искусственный синапс в некоторых случаях. К слову, нейронные сети сегодня чаще всего многослойны, или даже многоблочны, от трёх слоев до нескольких сот с различными оговорками. И архитектура их может сильно разниться. Каждый слой определенным образом обрабатывает по заранее наработанным алгоритмам, входящий оптический или инфракрасный сигнал, или, любой другой сигнал, (нужно сказать, что сегодня любой сигнал можно представить в виде образа или картинки, и химический и физический и тепловой), передает его следующему слою, в конце концов формируя законченную структуру для распознания и понимания и последующего оперирования и принятия решения. Не вдаваясь в детали, еще у входящих сигналов есть свой так называемый "вес ", по которому можно судить о важности именно этого дискретного признака или группы признаков, входящего сигнала, на понимание всей интегральной картины. Короче говоря, сегодня компьютер можно научить точно "видеть" зуб, десну, челюсть, лицо и использовать эти данные для прецизионного автоматического моделирования протезов и коронок, таким образом прогнозировать исход вмешательств с меньшей погрешностью, чем традиционно. Эта логика далее включена в работу по реконструкции моделей зубов и челюстей по три Д сканам и применена в последующем моделировании и производстве стоматологических реставраций и протетических изделий в зуботехнической лаборатории. Сейчас медицинский рынок предлагает лабораториям различные способы изготовления протетических изделий это- непосредственно 3d печать из разных медицинских полимеров, пластмасс и композитов. Для металлов, это (селективное лазерное сплавление) или возможно фрезерование в специальных станках и традиционное литьё по выплавляемым моделям. Потенциал нейронных сетей нашим коллегам из Align Technology удалось раскрыть и использовать следующим образом. Сначала на многих тысячах сканограмм зубных рядов около 150 ТБ научили распознавать раздельно каждый зуб, это очень важно, так как задача нетривиальная. Затем, на многих тысячах случаев лабораторных моделей обточенных культей зубов и, "научив" нейронной сети распознавать границы препарирования зубов (манер препарирования), обучили так сказать "домысливать" не отобразившиеся в должной степени контуры препарированных зубов, существенно восполнив цифровые пробелы в уточнении границ препарирования от 1 -50 микрон и рельефа протезной поверхности культей зубов. Теперь если такие способы распознания границ препарирования закрепятся в цифровой стоматологии, то можно будет существенно снизить требования к качеству сканирования, и проводить сканирование с любой камеры и смартфона, со средними техническими возможностями, что вызовет еще более бурное развитие цифровой стоматологии. Нужно сказать, что сейчас в некоторые интерфейсы встроен так называемый "виртуальный артикулятор" (простейшая функция вертикального растяжения и скольжения виртуальных моделей зубных рядов)и определённые удобства он даёт в работе техника, но все идёт к тому, что обученная нейронная сеть может имитировать всю артикуляционную экспрессию, в плоть до глотания и фонетических проб, а не только протрузию и две латеротрузии ( переднее и боковое смещение нижней челюсти). Обучив нейронную сеть понимать, какой именно зуб планируется воссоздать, (смоделировать), руководствуясь контурами культей обточенных зубов и поверхностями антагонистов, фотосканом головы, подключив кинематический модуль, будет возможна полная автоматическая моделировка, или адаптация из уже накопленной базы данных смоделированных мостов и коронок, возможна опять так и адаптация из баз данных интактных зубов, будущего зубного моста, коронки, в интерфейсе программы. Здесь, скорее всего, будет интегрировано несколько модулей нейронный сетей с разным профилем задач, для полноценного взаимодействия. Например- модуль имитирующий тонус мышц или растяжимость, далее модуль динамики и осанки и конечно модуль скульптуры протезов. Кроме этого, с помощью обученной нейронной сети, можно будет показать пациенту, как будет выглядеть его улыбка и окклюзия после лечения (возможно даже предвидеть как будет происходить фонирование реперных звуков). Для этого берется фотография улыбки, затем рендерится 3D-модель его смоделированных зубов, и потом программа пытается способом, близким к реальности, встроить ее в фотографию, чтобы пациент увидел, как будет красиво выглядеть его улыбка. Данная комплексная концепция может занять ключевое место в функционировании уже существующих резидентных программ лабораторных и клинических зубных сканеров. Убыстряя и уплотняя процесс создания стоматологических реставраций. Другими словами, то что было отдельным производственным циклом может стать модификацией клинического или лабораторного сканирования слепков или полости рта пациента. Все это существенно сэкономит время и человеческий ресурс. Конечно, реализация этих идей должна спровоцировать создание новых более интуитивных и дружелюбных интерфейсов и устройств (девайсов) автоматического сканирования и препарирования. В то же время возможно удастся встроить новые интеллектуальные модули в уже существующие системы сканеров. Конечно же, эти интеллектуальные агенты войдут в программы для моделирования стоматологических реставраций и само собой могут стать частью программ автоматического препарирования зубов в роботах и разного рода электромеханических и интеллектуальных приспособлениях для препарирования зубов. Имеется ввиду, что первичное пробное препарирование опорных зубов происходит в виртуальном интерфейсе, а затем после утверждение вырабатываются инструкции по траекториям препарирования для внутри-ротовых устройств препарирования. Тем временем протезные изделия могут быть уже готовы, опять так и после автоматизированного моделирования и 3d печати.
Использование такого рода технологий для оптимизации программ интеллектуального сканирования зубов или роботизированного препарирования зубов и автоматического моделирования конструкций, сложно было бы переоценить, так как возможно существенное снижение влияния человеческого фактора на качество стоматологических изделий, протезов и коронок.
Так что, последующее развитие этой специальности, судя по всему, пойдет по новым траекториям с кибернетическим уклоном. Медицинский техник оператор кибернетических комплексов будет контролировать цикличность больших потоков входных данных и исходящих изделий. То есть сканирование моделей зубных рядов, протетическая диагностика, затем моделирование зубных мостов и коронок и последующая 3dпечать будут происходить в автоматическом режиме с минимальными временными затратами и минимальным риском осложнений.
