A kutatás alapja, céljai
A fogászati implantátumok piaca, kizárólag európai viszonylatban több, mint 1.5 milliárd Euro-ra volt tehető a 2015-ös évben, és növekedő tendenciát mutatva 2023-ra elérheti a 2.2 milliárd Euro-t (Forrás: Millenium Research Group). Mindemellett nem csak a behelyezett implantátumok száma bővül évre-évre, de a rendelkezésre álló implantátumok köre is egyre változatosabb. Az implantátum-kínálat fokozódó szélesedése, a nagyfokú árversenyben pillanatnyilag előnyben lévők folyamatos változása, valamint a páciensek fokozott mobilitása egyre magasabbra növeli az orvos-váltások számát. Ez egyben azt is jelenti, hogy amikor a páciens új orvoshoz kerül, az orvos nem minden esetben tudja, hogy a beteg milyen típusú implantátumokkal lett korábban ellátva. Szükség esetén az ilyen ismeretlen típusú implantátumokra az orvos nem tud új fogpótlást készíteni, ugyanis minden implantátum típusnak – sokszor még azonos gyártótól származó, de eltérő termékvonal esetén is – saját, speciális eszközrendszere van. Kutatásunk célja egy olyan újszerű algoritmus, amelynek segítségével az orvos – a megfelelő dokumentáció hiányában és a beteg tájékozatlansága ellenére – képes megállapítani az adott, meglévő implantátum típusát.
Anyag és módszer
Alaki sajátságok
Első lépésben különböző implantátumokról készült, nagy felbontású CBCT felvételek elemzése alapján megállapítottuk, melyek azok a jól felismerhető formai sajátságok, amelyek alapján az egyes implantátumok megfelelően elkülöníthetők egymástól, majd prioritási sorrendet állítottunk fel.
Alaki tulajdonságok tekintetében az implantátum teljes formáját, valamint a nyak és a test viszonyát vizsgáltuk, a menetek tekintetében vizsgáltuk a nyaki makro-, illetve mikromenet meglétét, valamint a menetmélységet. Az ötödik formai tulajdonság az apikális kialakítás volt.
- Alak: kúpos, cilindrikus, enyhén kúpos
- Nyak: szélesebb a testnél, keskenyebb a testnél, azonos szélesség
- Nyaki menet: mikro, makro
- Menetmélység: állandó, változó
- Apex: lapos, domború
Megvizsgáltuk, hogy a kutatásba bevont 11 implantátum típust összehasonlítva, melyik tulajdonságok összehasonlításával lehet a legtöbb implantátum azonosságát kizárni, mely implantátumok esetében hány tulajdonságot kellett vizsgálni a teljes kizáráshoz (teljes kizárás = biztosan elkülöníthető a többi implantátumtól), illetve mely tulajdonságok vizsgálatával lehet többszörös kizárást elérni (több tulajdonság tekintetében is biztosan elkülöníthető a többi implantátumtól).
A vizsgálatok 10,9%-ában találtunk egyszeres kizárást (egyetlen tulajdonság alapján), 2,7%-ában maradt egy nem kizárható típus, és 86,4%-ában többszörös kizárást találtunk (minden típustól több tulajdonságban is találtunk eltérést).
Összehasonlítható adatok
Az objektív, képi adatfeldolgozás megteremtésének másik fontos eleme annak kidolgozása, hogyan lehet a CBCT felvételekből olyan standardizált képeket előállítani, amelyek megbízható inputként szolgálnak az értékelést végző algoritmus számára.
A 3D rekonstrukciók (1. ábra) alapján készült STL file-ok használata volt az első lehetőség. Az olyan felvételeknél, ahol az implantátum körül egyéb struktúrák is vannak (csont, fogak, másik implantátum, szuprastruktúra) a képet ki kell vágni. A ROI (Region Of Interest) szűkítése a CBCT készülék alapsíkjai mentén lehetséges. A páciensekről készült felvételeken ezek a síkok nem esnek egybe a vizsgálandó implantátum síkjaival. A felvétel tengelyeit meg kell változtatni úgy, hogy azok a készülék eredeti tengelyeivel essenek egybe. A képfeldolgozó szoftverek 3D üzemmódjában a képkivágás és a tengelykorrekció azonban nem elég pontos és nem standardizálható.

Vizsgálataink során arra jutottunk, hogy a sziluett képek jelenthetik a legnagyobb valószínűséggel a megfelelő összehasonlítási alapot. Alapvetően kétféle sziluett képet lehet előállítani, szummációs (2. ábra) és metszet (3. ábra).


A szummációs képek esetében teljes dimenzió „árnyéka” fog megjelenni. Bár ezen elvileg több részlet van, mégis elmosódottabbak és kevésbé „olvashatók” ezek a képek. Ennek oka, hogy csavarról van szó. A menetemelkedés miatt nem csak oldal irányban, de mélységében is változik a menetek lefutása, ami szétkeni a képen a menet sziluettjét.
A metszeti képek esetében a csak az adott síkban lévő dimenzíó fog megjelenni – valóban két dimenzó lesz. Ennek feltétele, hogy a metszet a lehető legvékonyabb legyen.
A vizsgálatainkhoz használt szoftverrel a legvékonyabb metszet, ami előállítható, azonos vékonyságú a felvétel térbeli felbontását jelentő voxelméret dimenziójával: 75 mikron. Ennél nagyobb vastagságú metszetek hasonló torzulást fognak mutatni, mint a szummációs képek.
Alapvető fontosságú, hogy a metszetek esetében a metszősík pontosan az implantátum tengelyében fusson, különben nem a legszélesebb dimenziót fogja megjeleníteni. A másik nagyon fontos szempont, hogy a metszősík párhuzamosan kell, fusson az implantátum hossztengelyével. Ellenkező esetben a sziluett torzulni fog. MPR üzemmódban lehetőség van a metszősíkok tengelyének megváltoztatására – akár egymástól függetlenül is (ez nem javasolt) -, valamint a felvétel síkjainak az eredeti metszősíkokhoz való igazítására. Ez utóbbi javasolt, úgy, hogy mindhárom dimenzióban az implantátum síkjai megegyezzenek a metszősíkokkal.
Gondot jelentett az implantátumok un. metszőéle. Ez az esetek jelentős részében nem szimmetrikus. Lehet belőle kettő, vagy három. Azokban az esetekben ahol két metszőél van, nagy gondot igényel a beállítás, hogy azok ne jelentsenek kontrollálhatatlan asszimmetriát – úgy kell beállítani a metszősíkot, hogy a metszeten pont egyik metszőél se torzítsa a képet. Azoknál az implantátumoknál, amelyeknél három metszőél van ez semmiképpen sem lehetséges. Mivel a metszősík beállítása nem standardizálható, minden esetben más és más képet fogunk látni, így azok nem lesznek alkalmasak az összehasonlításra. Egy implantátumról nagyon kicsi az esélye, hogy pontosan ugyanolyan képet állítsunk elő, és ez nem írható le, hogyan.
Végül úgy döntöttünk, hogy a metszősíkot úgy állítjuk be, hogy az implantátum egyik oldalán metszőél nélkül a legnagyobb dimenzió jelenjen meg. A későbbiekben a szoftvernek ezeket a képeket még át kell alakítani az összehasonlítás előtt, úgy hogy a hossztengely mentén meg kell felezni az implantátumot, és a teljes oldalt tükrözni kell, ami már automatizálható és standardizálható. Így metszőél nélküli, ismételhető módon előállítható képeket kaphatunk. A képeket a jobb összehasonlíthatóság érdekében még egy tekintetben módosítottuk szoftveresen: szürkeárnyalatosból fekete, vagy fehér képponttá alakítottuk az adott pixelt, attól függően, melyik színhez áll közelebb a palettán így az adatbázisba kétszínű – fekete / fehér – képeket vittünk be (4. ábra).
⇒ 
A felismerési folyamat
A leírt módszerrel az ismert implantátumokról készült, standardizált képekből implantátum könyvtárat készítettünk az összehasonlító algoritmus számára.
A vizsgálandó implantátumok felvételeit ugyanezzel a módszerrel készítjük elő és ezeket fogja a szoftver az adatbázisrekordokban található ismert implantátumokkal összehasonlítani a korábban meghatározott paraméterek alapján.
Input:
- beültetett_id (a kiválasztott korábban feltöltött beültetett implantátum azonosítója)
- menet_egyezés (menet egyezés súlya az összehasonlítási folyamatban)
- menet_kizárás (mekkora menet eltérés esetén zárja ki az adott mintát a felismerési folyamatból)
- alaki_egyezés (alaki egyezés súlya az összehasonlítási folyamatban)
- alaki_kizárás (mekkora alaki eltérés esetén zárja ki az adott mintát a felismerési folyamatból)
- furatmélység_egyezés (furatmélység egyezés súlya az összehasonlítási folyamatban)
- furatmélység_kizárás (mekkora furatmélység eltérés esetén zárja ki az adott mintát a felismerési folyamatból)
Output:
- minta_id
- alaki egyezés mértéke %
- menet egyezés mértéke %
- furatmélység egyezés mértéke %
- összesített egyezés mértéke %
Minden egyes összehasonlítás eredményét adatbázisba mentettük, majd a folyamat végén a súlyozási paraméterekkel és kizárási számokkal meghatároztuk az öt legnagyobb egyezőséget mutató mintaimplantátumot.
Tesztelés
Az első tesztelést részben natív (nem szájban lévő), részben szájban lévő implantátumokról készült nagy felbontású CBCT felvételekkel végeztük, részben a szoftver segítségével, részben anélkül. A szoftver nélküli vizsgálat résztvevőinek előzetesen egymás által – egymás számára – random módon kiválogatott implátum képeket kellett a már rendelkezésre álló implantáum könyvtár alapján azonosítani –„ránézésre”.
A tesztelés során célunk volt megállapítani
- van-e különbség a felismerési sikerrátában natív és páciensben lévő implantátumok esetén (natív implantátmok képeit az implantátumkönyvtárból vettük),
- milyen sikerességgel lehetséges az implantátumok szoftveres kiválasztása az ugyanazon képek alapján történő emberi összehasonlításhoz képest,
- melyek azok a felvételi és képfeldolgozási paraméterek, amelyek mellett az algoritmus sikeresen működik, és melyek azok, amelyeket ki kell zárni a feldolgozhatóság köréből,
- mely összehasonlítási paraméterek a legfontosabbak, és jelentik a legfőbb alapot a megfelelő azonosításhoz.
Eredmények
A sikerráta 100% natív (nem páciens) felvételek esetében és a 71,04% a páciens felvételek esetében. Az eltérést részben a szoftver beállításainak tulajdonítottuk, de az is megállapítható volt, hogy a páciensekről készült felvételek minősége lényegesen változatosabb, mint a natív felvételeké (környező szövetek, fémek, jelenléte, bemozdulás, stb.).
A vizuális összehasonlítás sikerrátája a projektben dolgozó fogorvos esetében 72%, míg a projektben dolgozó nem fogorvosok esetében 65, illetve 66% volt. Laikus megfigyelők esetében ez az arány már csak 40%, 43% és 44% volt, ami azt jelzi, hogy a vizsgálatot végző személyek tapasztalat és az implantátumokkal kapcsolatos tudása messzemenően befolyásolja a felismerés sikerességét (5. ábra).

A páciensképek felismerésének aránya nem különbözik szignifikáns módon a natív felvételekétől – a legjobb képminőség esetén. A legjobb képminőség azonban a vártakkal szemben nem feltétlenül a legnagyobb felbontással esik egybe. Ennek oka az lehet, hogy a 75 mikronos felbontású felvételek expozíciós ideje hosszabb, így nagyobb az esélye a bemozdulásnak, míg a kisebb felbontást jelentő 100 mikronos képek rövidebb expozíciós idővel készülnek, ezért stabilabba beteg a felvétel közben.
A téves azonosítások 91%-ában a szoftver csak a méretet tévesztette el, a gyártót ebben az esetben is eltalálta. Sok olyan eset látható, ahol a szoftver az alaki egyezőség helyes megállapítását felülbírálta a menet nagyobb arányú egyezése miatt, és végül helytelen megállapítás született.
A teszteredmények alapján módosítottuk az egyes alaki tulajdonságok súlyozását, majd újabb tesztet végeztünk azonos módszerrel – ezúttal már csak a szoftverrel.
A sikerráta 92,5%-ra javult a gyártó felismerése tekintetében, ami jobb, mint a humán adat alapú felismerés sikerrátája, Bár a pontos típus tekintetében még így is csak 50% volt a sikerráta, ez nem feltétlenül jelent problémát a gyakorlati felhasználás tekintetében, hiszen a gyártó ismerete többségében elegendő a szükséges eszközök beszerzéséhez.
Következtetések
A fogászati implantátumok bővülő piaca, és választéka, valamint a páciensek fokozódó mobilitása egyre gyakrabban szembesíti az átlagos – fogbeültetést akár nem is végző – fogorvost olyan implantátumokkal, amelynek típusa nem ismert. A nem regisztrált, vagy a nem Magyarországon behelyezett implantátumok esetében az EESZT nem jelent megoldást. Ilyen esetekben segítség lehet egy olyan algoritmus, amely a rutinszerűen rendelkezésre álló vizsgálati módszerek – CBCT felvétel – segítségével képes megállapítani a már csontban lévő implantátum típusát. A szoftveres összehasonlítás gyorsabb, és szignifikánsan jobb eredményt nyújt, mint az orvos által végzett vizuális összehasonlítás, ráadásul a szoftveres összehasonlításhoz rendelkezésre áll egy széleskörű adatbázis, ami az egyes praxisokban elérhetetlen. A módszer fejlesztéséhez elengedhetetlen ennek az adatbázisnak a fejlesztése, illetve szükséges a vizsgálati módszerek további finomítása is.