DOI: https://doi.org/10.1186/s12903-025-06052-9
PMID: https://pubmed.ncbi.nlm.nih.gov/40340630
تاريخ النشر: 2025-05-08
المؤلف: Jiaqi Lin وآخرون
الموضوع الرئيسي: تقويم الأسنان وطب الأسنان الوجهية
نظرة عامة
تدرس هذه الدراسة امتصاص جذور الأسنان الناتج عن تقويم الأسنان (OIRR) باستخدام تقنيات التعلم العميق المتقدمة المطبقة على صور الأشعة المقطعية باستخدام شعاع المخروط (CBCT). تعتبر طرق التصوير التقليدية ثنائية الأبعاد غير كافية لتقييم OIRR بدقة بسبب التشوهات الموروثة والحساسية المنخفضة. من خلال استخدام نموذج تعلم عميق لتقسيم الأسنان تلقائيًا، تهدف الدراسة إلى تعزيز دقة وكفاءة قياس OIRR وتحديد عوامل الخطر المرتبطة.
شملت التحليلات 108 مرضى تقويم أسنان، وكشفت عن انخفاض ذو دلالة إحصائية في حجم الجذر بعد العلاج (p < 0.001). وُجد أن عوامل مثل العمر والجنس والعضة المفتوحة والازدحام الشديد تؤثر بشكل كبير على معدلات امتصاص الجذر عبر مواقع الأسنان المختلفة، حيث تفسر الانحدارات المتعددة 3% إلى 15.4% من التباين في امتصاص الجذر. ومن الجدير بالذكر أن المرضى الأصغر سنًا أظهروا فقدانًا أقل في حجم الجذر مقارنة بالبالغين، بينما كانت حالات معينة مثل العضة المفتوحة الأمامية والعضة العميقة مرتبطة بزيادة الامتصاص في بعض الأسنان. على العكس من ذلك، لم تؤثر الأنماط الهيكلية، والزيادة في المسافة بين الأسنان، والعضة السفلية بشكل كبير على فقدان حجم الجذر. في الختام، تقدم الدراسة طريقة موثوقة وفعالة لتقييم تغييرات حجم الجذر من خلال التعلم العميق وCBCT، مما يبرز النتائج المهمة بشأن تأثير العلاج التقويمي على امتصاص الجذر وتحديد العوامل الرئيسية المتعلقة بالمرضى التي تؤثر على هذه النتائج.
مقدمة
تتناول مقدمة هذه الورقة البحثية امتصاص جذور الأسنان، وهو نتيجة شائعة للإصابة أو الالتهاب الذي يؤثر على الرباط اللثوي أو لب الأسنان، مما يمكن أن يؤدي إلى تدمير العاج والجذر. يتم تصنيف الامتصاص إلى نوعين داخلي وخارجي، حيث يكون الأخير أكثر شيوعًا وينقسم إلى أنواع فرعية مثل الامتصاص السطحي والالتهابي والاستبدالي. يحدث نوع فرعي ملحوظ، وهو امتصاص الجذر الناتج عن التقويم (OIRR)، بسبب القوى الميكانيكية أثناء العلاج التقويمي، ويؤثر على حوالي 40%-60% من المرضى، مع حالات شديدة في 1%-5%. تؤكد الدراسة على أهمية الكشف المبكر وتوقع المخاطر لـ OIRR، مشددة على الأسباب المتعددة التي تشمل عوامل متعلقة بالمرضى (مثل العمر والجنس وسوء الإطباق) وعوامل متعلقة بالعلاج (مثل قوة الدفع والاتجاه).
لقد دفعت قيود طرق التصوير الشعاعي التقليدية ثنائية الأبعاد لتقدير OIRR إلى استكشاف تقنيات التصوير المتقدمة مثل الأشعة المقطعية باستخدام شعاع المخروط (CBCT)، التي توفر بيانات ثلاثية الأبعاد عالية الدقة. ومع ذلك، كانت عملية تقسيم جذور الأسنان يدويًا من صور CBCT مرهقة وعرضة للتباين. أدت التطورات الأخيرة في التعلم العميق والذكاء الاصطناعي إلى تطوير نماذج تقسيم آلية تعزز دقة وكفاءة تقييمات حجم الجذر. الهدف الرئيسي من هذه الدراسة هو قياس فقدان حجم الجذر بسبب OIRR باستخدام نظام تقسيم قائم على التعلم العميق مؤتمت بالكامل مطبق على بيانات CBCT، واختبار الفرضية الصفرية التي تفيد بعدم وجود فقدان كبير في حجم الجذر بعد العلاج وأن المتغيرات المتعلقة بالمرضى لا تتنبأ بـ OIRR. تهدف الدراسة إلى تحليل عينة مرضى متجانسة تم علاجها باستخدام أجهزة تقويم ثابتة لتقييم حدوث وشدة OIRR وتأثير عوامل معينة تتعلق بالمرضى.
طرق البحث
توضح قسم “طرق البحث” تصميم التجربة والإجراءات المستخدمة في الدراسة. تتفصل المواد المستخدمة، بما في ذلك الكواشف المحددة والمعدات وأي عينات بيولوجية، لضمان إمكانية إعادة الإنتاج. تشمل المنهجية إعداد التجربة، بما في ذلك الضوابط والمتغيرات، بالإضافة إلى التحليلات الإحصائية المطبقة لتفسير البيانات.
بالإضافة إلى ذلك، قد يصف القسم البروتوكولات لجمع البيانات، مثل تقنيات أخذ العينات، وطرق القياس، وأي أدوات حسابية مستخدمة للتحليل. بشكل عام، يعد هذا القسم حاسمًا لفهم صلاحية وموثوقية نتائج الدراسة، حيث يوفر نظرة شاملة حول كيفية إجراء البحث.
النتائج
تحققت الدراسة من امتصاص الجذر الناتج عن التقويم (OIRR) في 2312 سنًا من 108 مرضى، وكشفت عن انخفاض ذو دلالة إحصائية في حجم الجذر بعد العلاج (p < 0.001). أظهرت النتائج الرئيسية أن العمر يؤثر بشكل كبير على معدلات امتصاص الجذر عبر معظم أنواع الأسنان، باستثناء الأضراس العلوية. لوحظت اختلافات بين الجنسين، حيث أظهرت الإناث معدلات امتصاص أعلى في القواطع المركزية العلوية، والقواطع الجانبية، والأنياب، والأنياب السفلية (p < 0.05). بالإضافة إلى ذلك، كانت خصائص سوء الإطباق المحددة، مثل العضة المفتوحة والعضة العميقة، مرتبطة بزيادة امتصاص الجذر في بعض الأسنان. استخدمت الدراسة نموذج تعلم عميق لتقسيم الأسنان، محققة درجة Dice تبلغ 92.4%، متجاوزة خبراء الأشعة، واستخدمت بيانات كمية ثلاثية الأبعاد لتحليل شامل لـ OIRR. على الرغم من النتائج المهمة، اعترفت الدراسة بالقيود، بما في ذلك تصميمها الاستعادي والانحياز المحتمل في الاختيار بسبب تجانس عينة المرضى. تشير النتائج إلى أنه بينما يمكن أن توفر العوامل المتعلقة بالمرضى بعض الرؤى التنبؤية حول OIRR، قد يكون للعوامل المتعلقة بالعلاج تأثير أكبر. تدعو الدراسة إلى إجراء أبحاث مستقبلية تشمل عينات مرضى متنوعة واستكشاف العلاقات غير الخطية بين OIRR وخصائص المرضى، مما يعزز قابلية تعميم النتائج.
المناقشة
استخدمت الدراسة تصميمًا استعاديًا للتحقق من امتصاص الجذر أثناء العلاج التقويمي، مع الحصول على موافقة أخلاقية من اللجنة المعنية. تم تحليل عينة من 108 مرضى، الذين خضعوا لعلاج تقويمي ثابت ولديهم صور عالية الجودة قبل وبعد العلاج باستخدام الأشعة المقطعية (CBCT). شملت معايير الاستبعاد التشوهات الوجهية والأمراض الجهازية. تم تقييم امتصاص الجذر باستخدام بروتوكول تقسيم قائم على التعلم العميق، الذي أنشأ نماذج ثلاثية الأبعاد للأسنان الفردية لقياسات دقيقة للحجم. تم حساب نسبة فقدان الجذر، وتم تصنيف الشدة إلى عدم وجود، خفيف، معتدل، وشديد.
كشفت التحليلات الإحصائية عن نتائج مهمة: أدى العلاج التقويمي إلى انخفاض متوسط ذو دلالة إحصائية في حجم الجذر، بينما تم الحفاظ على التطور الطبيعي للجذر في الأسنان الدائمة. ومن الجدير بالذكر أن المرضى الأصغر سنًا أظهروا معدلًا أقل لفقدان حجم الجذر مقارنة بالبالغين. بالإضافة إلى ذلك، كانت وجود ازدحام معتدل إلى شديد مرتبطًا بانخفاض امتصاص الجذر في أسنان معينة، بينما كانت بعض حالات سوء الإطباق، مثل العضة المفتوحة الأمامية والعضة العميقة، مرتبطة بفقدان أكبر للجذر في أسنان معينة. لم تؤثر عوامل مثل النمط الهيكلي، والزيادة في المسافة بين الأسنان، والعضة السفلية بشكل كبير على معدلات فقدان حجم الجذر. بشكل عام، تقدم الدراسة طريقة موثوقة لتقييم امتصاص الجذر وتبرز العوامل الرئيسية المتعلقة بالمرضى التي تؤثر على النتائج.
DOI: https://doi.org/10.1186/s12903-025-06052-9
PMID: https://pubmed.ncbi.nlm.nih.gov/40340630
Publication Date: 2025-05-08
Author(s): Jiaqi Lin et al.
Primary Topic: Orthodontics and Dentofacial Orthopedics
Overview
This study investigates orthodontically induced root resorption (OIRR) using advanced deep learning techniques applied to cone-beam computed tomography (CBCT) scans. Traditional 2D imaging methods are inadequate for accurately assessing OIRR due to their inherent distortions and low sensitivity. By employing a deep learning model for automatic tooth segmentation, the research aims to enhance the accuracy and efficiency of OIRR quantification and to identify associated risk factors.
The analysis involved 108 orthodontic patients, revealing a statistically significant reduction in root volume post-treatment (p < 0.001). Factors such as age, gender, open bite, and severe crowding were found to significantly influence root resorption rates across different tooth positions, with multivariable regression explaining 3% to 15.4% of the variance in root resorption. Notably, younger patients exhibited less root volume loss compared to adults, while specific conditions like anterior open bite and deep overbite were linked to increased resorption in certain teeth. Conversely, skeletal patterns, overjet, and underbite did not significantly affect root volume loss. In conclusion, the study presents a reliable and efficient method for assessing root volume changes through deep learning and CBCT, highlighting significant findings regarding the impact of orthodontic treatment on root resorption and identifying key patient-related factors that influence these outcomes.
Introduction
The introduction of this research paper addresses tooth root resorption, a common consequence of injury or inflammation affecting the periodontal ligament or dental pulp, which can lead to the destruction of tooth root dentin and cementum. The resorption is classified into internal and external types, with the latter being more prevalent and further divided into subtypes such as surface, inflammatory, and replacement resorption. A notable subtype, orthodontically induced root resorption (OIRR), occurs due to mechanical forces during orthodontic treatment, affecting approximately 40%-60% of patients, with severe cases in 1%-5%. The study emphasizes the importance of early detection and risk prediction for OIRR, highlighting the multifactorial etiology involving both patient-related factors (e.g., age, gender, malocclusion) and treatment-related factors (e.g., force magnitude and direction).
The limitations of traditional two-dimensional radiological methods for quantifying OIRR have prompted the exploration of advanced imaging techniques such as cone beam computed tomography (CBCT), which provides high-resolution three-dimensional data. However, the manual segmentation of tooth roots from CBCT images has been labor-intensive and prone to variability. Recent advancements in deep learning and artificial intelligence have led to the development of automated segmentation models that enhance the accuracy and efficiency of root volume assessments. The primary objective of this study is to quantify root volume loss due to OIRR using a fully automated deep learning-based segmentation system applied to CBCT data, testing the null hypothesis that there is no significant root volume loss post-treatment and that patient-related variables do not predict OIRR. The study aims to analyze a homogeneous patient sample treated with fixed aligners to evaluate the incidence and severity of OIRR and the influence of specific patient-related factors.
Methods
The “Methods” section outlines the experimental design and procedures employed in the study. It details the materials used, including specific reagents, equipment, and any biological samples, ensuring reproducibility. The methodology encompasses the experimental setup, including controls and variables, as well as the statistical analyses applied to interpret the data.
Additionally, the section may describe the protocols for data collection, such as sampling techniques, measurement methods, and any computational tools utilized for analysis. Overall, this section is crucial for understanding the validity and reliability of the study’s findings, as it provides a comprehensive overview of how the research was conducted.
Results
The study investigated orthodontically induced root resorption (OIRR) in 2312 teeth from 108 patients, revealing a statistically significant reduction in root volume post-treatment (p < 0.001). Key findings indicated that age significantly influenced root resorption rates across most tooth types, except for maxillary molars. Gender differences were noted, with females exhibiting higher resorption rates in maxillary central incisors, lateral incisors, canines, and mandibular canines (p < 0.05). Additionally, specific malocclusion characteristics, such as open bite and deep overbite, were associated with increased root resorption in certain teeth. The study employed a deep learning model for tooth segmentation, achieving a Dice score of 92.4%, surpassing expert radiologists, and utilized 3D quantitative data for a comprehensive analysis of OIRR. Despite the significant findings, the study acknowledged limitations, including its retrospective design and potential selection bias due to a homogeneous patient population. The results suggest that while patient-related factors can provide some predictive insight into OIRR, treatment-related variables may have a more substantial impact. The study calls for future research to include diverse patient samples and explore nonlinear relationships between OIRR and patient characteristics, enhancing the generalizability of the findings.
Discussion
The study employed a retrospective design to investigate root resorption during orthodontic treatment, with ethical approval obtained from the relevant committee. A sample of 108 patients, who underwent fixed orthodontic treatment and had high-quality pre- and post-treatment cone beam computed tomography (CBCT) images, was analyzed. Exclusion criteria included craniofacial anomalies and systemic diseases. The assessment of root resorption was conducted using a deep learning-based segmentation protocol, which generated 3D models of individual teeth for precise volume measurements. The percentage of root loss was calculated, and severity was categorized into no, mild, moderate, and severe resorption.
Statistical analyses revealed significant findings: orthodontic treatment resulted in a statistically significant average reduction in root volume, while normal root development of permanent teeth was preserved. Notably, younger patients exhibited a lower rate of root volume loss compared to adults. Additionally, the presence of moderate to severe crowding correlated with reduced root resorption in specific teeth, while certain malocclusions, such as anterior open bite and deep overbite, were associated with greater root loss in particular teeth. Factors such as skeletal pattern, overjet, and underbite did not significantly impact root volume loss rates. Overall, the study presents a reliable method for assessing root resorption and highlights key patient-related factors influencing outcomes.