| Source DB | nl |
|---|
| Institution | KU Leuven |
|---|
| Code | 4395f51e-30af-4b8c-8e91-7fd8b1dbe6d0 |
|---|
| Unit | f2bf5275-c166-4fa0-9046-65ef450faacb
|
|---|
| Begin | 9/16/2020 |
|---|
| End | 9/16/2024 |
|---|
| title fr |
|
|---|
| title nl | Artificiële Intelligentie voor Planning voor Orale Chirurgische Procedures
|
|---|
| title en | Artificial Intelligence Driven Planning for Oral Surgical Procedures
|
|---|
| Description fr |
|
|---|
| Description nl | Artificiële intelligentie (AI) heeft de afgelopen tien jaar verbluffende vooruitgang geboekt, voornamelijk door de vooruitgang in de opleiding van diepe neurale netwerken met grote datasets. Veel van deze oplossingen, aanvankelijk ontwikkeld voor natuurlijke beelden, spraak of tekst, worden nu succesvol in de medische beeldvorming. Toch blijft de literatuur over de toepassing van AI in de orale- en kaak- en aangezichtschirurgie tot op heden, voor zover wij weten, zeer beperkt. Er wordt enorm geïnvesteerd in onderzoek en ontwikkeling van AI en de integratie ervan in de medische wereld. Op dit moment ligt de focus voor medische AI-toepassingen vooral op een efficiëntere diagnose, waarbij in sommige gevallen ook aandacht wordt besteed aan een betere planning van de behandeling. Tegelijkertijd heeft de digitale tandheelkunde zich de laatste twee decennia langzaam ontwikkeld om de dagelijkse praktijk in te gaan. In dit verband zijn er softwares ontstaan die verband houden met de virtuele planning van kaak- en aangezichtschirurgie, waardoor tandartsen en chirurgen een virtuele patiënt als zodanig kunnen creëren om de planning voor verdere chirurgie en kaakrevalidatie te verbeteren. Dit digitaliseringsproces verloopt echter trager dan aanvankelijk verwacht en bereikt zeker niet alle tandartsen en behandelprocedures. Op dit moment wordt minder dan 10% van alle 3D-beelden die voor de plaatsing van implantaten worden gemaakt, verder verwerkt voor de chirurgische gidsen (interne nummers UZ Leuven). De reden voor de trage invoering van dergelijke digitale planningsprocedures is de complexiteit van de workflow die nodig is om de operatie voor te bereiden en/of en de daarmee gepaard gaande tijd en kosten. Hoewel het mogelijk is om tijd te besparen door AI-gedreven chirurgische planning en behandelingsvoorstellen, kunnen dergelijke digitale technologieën een immens potentieel hebben dat de behandelingsplanningsfase, en mogelijk ook de uitvoering ervan, binnen de komende jaren kan hervormen. Daarom is het doel van dit doctoraatsproject het ontwikkelen en klinisch valideren van AI-gestuurde planningstools voor orale chirurgische ingrepen, zoals tandvervanging (tandimplantaten of tandautotransplantatie (TAT)), geleide endodontie en orthodontie. Het projectplan zal de kennis die reeds is verkregen in TAT-chirurgische planning, biomechanica van tanden en kaakbot en kunstmatige intelligentie combineren met fundamentele kennis over de eigenschappen van verschillende bottypes en andere oralecomponenten met het oog op de klinische praktijk van kaakchirurgische ingrepen, waardoor een patiëntenspecifieke AI-gestuurde planning met een voorspelbaar resultaat mogelijk wordt.
|
|---|
| Description en | Artificial intelligence (AI) has made stunning progress in the last decade, mainly by advances in training deep neural networks with large data sets. Many of these solutions, initially developed for natural images, speech, or text, are now becoming successful in medical imaging. Yet, to date and to our best knowledge, literature related to the application of AI in oral and maxillofacial surgery remains very limited. Colossal investments are being made for research and development of AI and its integration within the medical field. At this moment, the prime focus for medical AI applications is related to more efficient diagnosis, in some cases attention is also given to enhanced treatment planning. Simultaneously, digital dentistry has been slowly developing during the last two decades to enter the daily practice. In this regard, softwares related to virtual planning of oral and maxillofacial surgery have emerged, enabling dentists and surgeons to create a virtual patient as such to improve planning for further surgery and oral rehabilitation. However, this digitalization process is moving slower than initially expected and surely not reaching out to all dentists and treatment procedures. At this moment less that 10% of all 3D images taken for implant placement procedures are further processed for surgical guides (internal numbers UZ Leuven). The reason for the slow introduction of such digital planning procedures is the complexity of the workflow needed to prepare the surgery and/or and the related time and inherent costs. Though, should it be possible to save time by AI driven surgical planning and treatment proposals, such digital technologies might hold an immense potential that could reshape the treatment planning phase, and potentially its execution, within the next few years. Therefore, the purpose of this doctoral project is to develop and clinically validate AI-driven planning tools for oral surgical procedures, such as tooth replacement (dental implants or tooth autotransplantation (TAT)), guided endodontics and orthodontics. The project plan will combine the knowledge already obtained in TAT surgical planning, tooth and jaw bone biomechanics and artificial intelligence with fundamental knowledge about the properties of different bone types and other oral components towards the clinical practice of oral surgical procedures, allowing for a patient- specific AI driven planning with a predictable outcome.
|
|---|
| Qualifiers | - Artificial Intelligence - Medical Imaging - Oral and Maxillofacial Surgery - Radiology - Surgical Planning - |
|---|
| Personal | Bornstein Michael, Lahoud Pierre, Jacobs Reinhilde |
|---|
| Collaborations | |
|---|
