ИИ-моделирование результатов дентальной имплантации
Планирование имплантации на КЛКТ вручную занимает 30–60 минут на один случай: врач оценивает объём кости, расстояние до нижнечелюстного канала, угол установки. ИИ-система автоматизирует сегментацию, измерения и предлагает оптимальную позицию имплантата за 2–3 минуты.
Сегментация костных структур в КЛКТ
Входные данные: DICOM-серия КЛКТ, обычно 300–600 срезов толщиной 0.2–0.5 мм. Задача: сегментировать каждый зуб, кортикальную и трабекулярную кость, нижнечелюстной канал, гайморовы пазухи.
Архитектура: nnU-Net — self-configuring framework, который автоматически подбирает архитектуру (2D/3D U-Net) и гиперпараметры под конкретную задачу. Для зубной КЛКТ стандартно работает 3D full resolution nnU-Net.
# Запуск предсказания nnU-Net на КЛКТ
from nnunetv2.inference.predict_from_raw_data import nnUNetPredictor
predictor = nnUNetPredictor(
tile_step_size=0.5,
use_gaussian=True,
use_mirroring=True,
device=torch.device('cuda', 0),
verbose=False
)
predictor.initialize_from_trained_model_folder(
model_training_output_dir,
use_folds=(0, 1, 2, 3, 4),
checkpoint_name='checkpoint_final.pth'
)
predictor.predict_from_files(
[[cbct_file]],
output_folder,
save_probabilities=False
)
Метрики на зубной КЛКТ: Dice score для зубов — 0.94, для нижнечелюстного канала — 0.87. Канал детектируется хуже из-за малого диаметра (2–4 мм) и вариабельности траектории.
Измерение объёма и плотности кости
После сегментации — автоматические измерения для каждой потенциальной позиции имплантата:
- Высота кости (расстояние от гребня до нижнечелюстного канала или дна пазухи) — критический параметр для выбора длины имплантата
- Ширина кости на разных уровнях (1, 3, 5 мм от гребня)
- Плотность кости в HU (Hounsfield Units) по классификации Misch: D1 (>1250 HU), D2 (850–1250), D3 (350–850), D4 (<350)
- Безопасное расстояние до нижнечелюстного канала (минимум 2 мм по протоколу)
Все измерения выполняются программно из segmentation mask + DICOM pixel spacing.
Позиционирование имплантата
Оптимизация позиции — задача с ограничениями: максимизировать контакт с кортикальной костью при соблюдении safety margins. Реализуется как constrained optimization или через RL-агент (менее практично).
Практически: предлагаем 3–5 вариантов позиций с оценкой каждого по набору критериев (объём кости, плотность, расстояние до анатомических структур). Врач выбирает или корректирует.
Прогноз выживаемости имплантата
ML-модель на основе клинических данных предсказывает вероятность успеха на 5 и 10 лет. Признаки: качество кости (D-класс), локализация, возраст пациента, курение, диабет, метод нагрузки (немедленная/отсроченная).
XGBoost на ретроспективной выборке 3 200 имплантатов: AUC = 0.81 для прогноза неудачи на 5 лет. Это позволяет заранее усилить протокол для пациентов из группы риска.
Интеграция с хирургическими шаблонами
Финальный шаг: вывод позиции имплантата в STL для печати хирургического шаблона на 3D-принтере. Форматы экспорта совместимы с Materialise Simplant, Straumann coDiagnostiX, Nobel Clinician.
Сроки
Модуль сегментации КЛКТ + измерения: 10–14 недель. Полная система с позиционированием и прогнозом: 18–26 недель. Стоимость рассчитывается с учётом объёма данных и интеграций.