AI för att underlätta diagnostik av tandlossning

För att upptäcka tandlossningssjukdomen parodontit behövs en klinisk undersökning med fickdjupssondering, vilket kan avslöja inflammation, och röntgenbilder för att se om käkbensstödet vid tänderna är påverkat. De första tecknen är lätta att missa, vilket gör att sjukdomen ofta upptäcks i ett senare skede, då prognosen på behandlingen är sämre.

Pernilla Lundberg är övertandläkare i parodontologi inom specialisttandvården, och professor vid Umeå universitet. Hon har länge funderat på om det skulle vara möjligt att underlätta och effektivisera bedömning av käkbensnivån på röntgenbilder och klassificera parodontit. Därför tog hon kontakt med kompetenscentret AI for Medicine in Northern Sweden, AIM North, som nu arbetar på en lösning:

– När tandläkare och tandhygienister tar röntgenbilder där käkbensstödet inte syns ska systemet varna, med en röd flagga, så att behandlaren uppmärksammas på att bilden behöver tas om. I nästa steg ska systemet visa var käkbensnivån ligger och i det tredje ska det avgöra om käkbennivån reducerats genom att jämföra mätningen i bilden med den i en bild tagen på samma individ vid en tidigare undersökning, säger Pernilla Lundberg.

Marko Nygård och Marcus Karlsson är sjukhusingenjörer på AIM North och arbetar i projektet med att ta fram en mjukvara som använder sig av AI för att granska röntgenbilder. I nästa steg ska applikationen kompletteras med digitala uppgifter om fördjupade tandköttsfickor, och på sätta kunna klassificera vilken grad av sjukdom som föreligger hos en patient.

– Vi tror att den här typen av applikationer som stöttar vårdpersonal i det dagliga arbetet kommer att komma mer och mer. De kommer att hjälpa till att effektivisera personalens arbete och ge bättre vård till patienterna. Idag används det redan inom bland annat mammografi och patologi, säger Marcus Karlsson.

Förhoppningen är att allmäntandvården rutinmässigt ska kunna använda verktyget. PerioAid, som applikationen kallas, ska bidra till att minska underdiagnostik och automatisera beräkning av hur mycket käkbensnivån förändrats, samt klassificera sjukdomens allvarlighetsgrad.

– Det kan leda till att man tidigare kan sätta in behandling samt följa behandlingseffekter och därigenom förbättra den parodontala hälsan hos invånarna, samtidigt som det sparar resurser, säger Pernilla Lundberg.