Künstliche Intelligenz in der Zahnmedizin: „Der Zahnarzt bleibt im Fahrersitz!“

Schwendicke: Vor allem im Röntgenbildbereich gibt es heute mindestens vier bis fünf zertifizierte Tools, die Sie einsetzen können und die auch gut funktionieren. Eine Wertung kann ich leider nicht abgeben, da es keine transparenten Daten gibt, um das einschätzen zu können. Den Nutzern werden oftmals selektive Zahlen vorgelegt und selbst die Zahlen, auf deren Grundlage die Zertifizierung durch die regulatorischen Behörden erfolgt, werden auf herstellereigenen Datensätzen generiert [1]. Die von uns entwickelte KI-gestützte Bilddiagnostik ist da eine glückliche Ausnahme, weil wir immer sehr transparent mit unseren Ergebnissen waren, was eben bei anderen Herstellern nicht der Fall ist. Mittlerweile gibt es vor allem für die automatische Analyse von 2D-Röntgenbildern sehr viele Tools.

Im Bereich der 3D-Röntgendiagnostik unterstützen KI-Tools momentan eher im Bereich der Segmentierung anatomischer Strukturen. Das heißt, dass der Knochen segmentiert wird und Sie automatisiert eine volumetrische Messung für die Implantatplanung machen können. Teilweise geht die Entwicklung auch schon in die automatisierte Implantatplanung hinein, indem das KI-Tool sagt, an welcher Stelle das Implantat inseriert werden kann. Mittlerweile sind auch Ansätze vorhanden, die empfehlen, welches Implantat ausgesucht werden sollte. Allerdings kann ich Ihnen nicht sagen, ob das schon kommerzialisiert oder weiterhin nur Studiengegenstand ist. Welche Größe, welche Breite usw. sinnvoll ist, also alles, was die reine Bildgebung betrifft, das muss man ganz klar sagen, ist heute schon gut möglich. Und ich will nicht sagen, es ist der Standard, aber es wird langsam zum Standard, zahnmedizinische Röntgenbilder mit KI analysieren zu lassen.

Meines Wissens sind Praxen, die solche Tools nutzen, teilweise sehr zufrieden. Eine große kieferorthopädische Praxis in Berlin etwa setzt die KI-gestützte Bildanalyse bei jeder Neuplanung ein und rechnet das sogar privat ab. Für die Patienten sind solche Analysen relevant, weil sie die Bilder besser verstehen und den Vorgang im Sinn einer Objektivierung und Zweitmeinung einordnen.

Neben der Bildanalytik profitieren Praxen heute auch schon von sprachbasierten Tools. Das sind z. B. Assistenzsysteme für die Terminvergabe, bei der die Telefonistin am Empfang durch eine lernfähige Assistenz (zumindest temporär, z. B. bei Stoßzeiten oder Krankheit) ersetzt wird, aber auch viele Entwicklungen im Bereich der Dokumentation, wie die Anamnese- und Befunddokumentation, die Therapie- und Planungsdokumentation, wo einfach während des normalen Ablaufs im Sprechzimmer das Mikrofon danebensteht und zuhört, was gesprochen wird. Das funktioniert erstaunlich gut.

Einen Parobefund oder 01-Befund muss nicht mehr zwingend die ZFA neben dem Stuhl aufnehmen. Das kann auch das KI-Tool – nicht mit perfekter, aber mit vernünftiger Genauigkeit, die der Zahnarzt am Ende natürlich noch mal verifizieren muss. Aber noch mal, das ist schon ganz erstaunlich, was da geht. Einschränkungen gibt es derzeit sicherlich noch hinsichtlich der Fragen zum Datenschutz und der Integration in vorhandene Abläufe bzw. Systeme.

Innerhalb der CAD/CAM-Workflows sehen wir mittlerweile auch eine ganze Ansammlung von KI-Tools bei den Herstellern. Das betrifft dann sogar schon die Diagnostik, also z. B. die Interpretation von Nahinfrarotlichtbildern (NIRI = Near Infrared Imaging Technologie) oder Fluoreszenzbildern. Das ist für Kollegen sicherlich auch ein Stück hilfreich, weil diese Fluoreszenz- und Infrarotbilder im Studium selten gesehen wurden und eine relativ neue Technologie darstellen, bei der die Interpretation dann naturgemäß zunächst schwerfällt.

Redaktion: Würden Sie bereits beides für die Praxis empfehlen?

Schwendicke: In der Praxis ist aus meiner Sicht entscheidend, welche KI-Tools zuverlässig arbeiten und welchen konkreten Mehrwert sie bieten. Wir haben unser Forschungsspektrum deshalb u. a. auf die KI-Bewertung gelegt. Meiner Meinung nach ist es wichtig, dass wir nicht immer neue KI bauen, sondern dass wir uns überlegen, was diese Tools für die Zahnmedizin bedeuten, was für Risiken und Nebenwirkungen sie haben, wo wir sie einsetzen sollen, wie vielleicht der gesundheitsökonomische Effekt ist usw.

Redaktion: Gilt das nur für Bissflügelaufnahmen, dass die KI-gestützte Analyse von Röntgenbildern eine sichere und automatisierte Auswertung liefert, oder sehen Sie die Analyse von Panorama-Röntgenaufnahmen durch KI im Vergleich zur menschlichen Referenz, z. B. hinsichtlich der Erkennung und Klassifizierung von Parodontalerkrankungen oder der automatischen Erkennung und Nummerierung von Milchzähnen, auch schon als hinreichend an?

Schwendicke: Die KI-gestützte Analyse auf Panoramaaufnahmen wie z. B. die Nummerierung von Milchzähnen oder Knochenverlust funktioniert in Studien und teilweise auch in Produkten schon sehr gut. So analysiert bspw. die an der Charité – Universitätsmedizin Berlin entwickelte Software dentalXrai Pro für dentale Röntgenbilddaten neben Bissflügelaufnahmen auch Panoramaschichtbilder und periapikale Einzelbilder und detektiert Eigenschaften wie parodontalen Knochenabbau, apikale Läsionen, Zahnstein, die Nähe unterer Molaren zum Mandibularkanal usw. Die Funktionalität und auch die Modalitäten, die im Bereich der Bilderkennung bearbeitet werden können, hat in den letzten zwei bis drei Jahren signifikant zugenommen.

Apropos Sicherheit: Auch wenn viele Tools wirklich gut sind und sicher genutzt werden können, muss der Zahnarzt immer seiner Verantwortung nachkommen und die Ergebnisse der KI ärztlich gegenprüfen, wozu er per se ja auch verpflichtet ist. Schließlich sind diese Tools innerhalb der EU als Assistenzsysteme und nicht als autonome Systeme zugelassen, d. h., der Zahnarzt bleibt im Fahrersitz und muss sich das anschauen, denn auch KI-Tools können falsch positive oder falsch negative Befunde liefern.

Redaktion: Werfen wir einen Blick auf die Prädiktionszahnmedizin. Gibt es schon eine KI-Anwendung zur Vorhersage, die also beispielsweise aus historischen und klinischen Patientendaten zu zukünftigem Zahnverlust oder der Frage, was mit einem Zahn in den nächsten fünf oder zehn Jahren passieren wird, Stellung nimmt, in klinischer Reife?

Schwendicke: In der Kürze: Nein. Mit etwas mehr Detail: Mittlerweile gibt es einige Studien dazu, die leider nicht wirklich überzeugen, weil die Datensätze oftmals auch wieder klein sind und die Generalisierbarkeit ein Problem ist. Gleichzeitig wissen wir, dass diese Vorhersagemodelle sehr gut Daten lernen. Wenn Sie aber diese Modelle nehmen und auf anderen Datensätzen anwenden wollen, dann fällt das meistens, ganz salopp gesagt, wie ein Soufflé zusammen. Wir konnten dazu in der Vergangenheit selbst einige Erfahrungen sammeln und haben Vorhersagen im Paro-Bereich, zu parodontalen Zahnverlusten, Vorhersagen zur technischen Qualität einer Wurzelfüllung, zum Erfolg einer Wurzelfüllung usw. versucht. Das funktioniert auf dem Datensatz, auf dem das trainiert wird, ganz wunderbar. Wollen Sie das dann auf einen Testdatensatz applizieren, funktioniert das gar nicht mehr, weil offensichtlich Faktoren eine Rolle spielen, die wir in diesen kleinen Datensätzen nur sehr bedingt abbilden können.

Wir verstehen einfach nicht hinreichend, welche Faktoren genau einen Zahnverlust bedingen, um bei diesem Beispiel zu bleiben. Das können wir aber auch nicht, da der Hauptgrund für den Zahnverlust schlussendlich ja oft der Zahnarzt ist, der den Zahn extrahiert, und ich die zahnärztliche Entscheidung nicht vorhersagen kann. Zu welchem Zeitpunkt der Zahnarzt sagt, ich extrahiere den Zahn oder ich ziehe ihn nicht – das ist in diesen Datensätzen nur bedingt enthalten. Deshalb ist es äußerst schwer, Modelle zu bauen, die klinisch nachher wirklich nützlich sind. Mir ist bisher kein funktionierendes System in dieser Richtung bekannt.

Redaktion: Im März 2024 verabschiedete das Europäische Parlament den Artificial Intelligence Act (AIA), der auch Vertrauenswürdigkeit und Nutzerorientierung als relevante Aspekte für die Regulierung von KI-Systemen hervorhebt [2]. Welche Auswirkungen hat das konkret auf KI in der deutschen Zahnmedizin im Jahr 2026? Ist der Vergleich von unterschiedlichen Angeboten bspw. zur approximalen Kariesdiagnostik aufgrund Datentransparenz nun eher gegeben?

Schwendicke: Nein, der Vergleich wird damit leider auch nicht einfacher. Der AI-Act hat für die Medizin insgesamt ja auch nur teilweise einen Impact, weil Medizinprodukte schon bisher durch die MDR (Medical Device Regulation) streng reguliert waren – und das in einer ähnlichen Art und Weise, wie es der AI-Act macht.

Für die Praxen ist der AI-Act aber insofern wichtig, als dieser die Aufklärung der Patienten über die Nutzung von KI als Pflicht vorgibt und dass das Praxispersonal geschult sein muss. Im Act steht dazu explizit, dass Nutzer von KI kompetent sein müssen. Deshalb müsste man künftig u. a. vom Hersteller verlangen, dass er eine Schulung durchführt, bevor er das entsprechende Tool in der Praxis einführt. Allerdings wird der Act schrittweise ausgerollt, weshalb ich nicht sicher sagen kann, ob die „Kompetenz“ bisher näher definiert ist.

Was das Thema Benchmarking, also Vergleichbarkeit, angeht, weise ich gerne darauf hin, dass wir bereits seit fünf Jahren im Rahmen der WHO-Initiative „KI für die Gesundheit“ [3], die sich für einheitliche Qualitätsstandards für KI-Systemen einsetzt, fordern, dass die Tools im Bereich der zahnärztlichen Bildanalytik an einheitlichen repräsentativen Datensätzen evaluiert werden. Das ist und bleibt aber ein dickes Brett – an dem wir dran sind!

Redaktion: Herr Prof. Schwendicke, vielen Dank für dieses Gespräch!