Die Herstellung von Zahnersatz hat sich in den vergangenen Jahrzehnten stark verändert. Früher fertigte ein Zahntechniker über eine manuelle Abformung zunächst ein Gipsmodell des Gebisses an und modellierte die spätere Krone von Hand aus Wachs. Heute erfassen Intraoralscanner die Situation direkt im Mund. Am Computer wird daraus ein dreidimensionales Modell erstellt, auf dessen Grundlage die spätere Restauration digital konstruiert und anschließend beispielsweise gefräst oder im 3-D-Drucker erstellt wird.

Computergestützte Konstruktions- und Fertigungssysteme sind inzwischen fest in viele klinische Arbeitsabläufe integriert. Sogenannte Chairside-Systeme ermöglichen bei kleineren Restaurationen sogar einen vollständigen digitalen Ablauf direkt in der Zahnarztpraxis: vom intraoralen Scan über die digitale Konstruktion des Zahnersatzes bis zur Herstellung der fertigen Restauration.

Auch Künstliche Intelligenz wird dabei längst eingesetzt. Dazu wird das verwendete KI-System mit den eingescannten Daten der Patientinnen und Patienten gefüttert. Dieses gleicht die Daten der Betroffenen mit denen einer Datenbank ab. Solche Datenbanken sind entweder öffentlich zugänglich oder speisen sich darüber hinaus – wie im Regensburger Labor – aus eigenen vorab eingescannten Werten. Aus diesem Vergleich generiert die KI digitale Vorschläge für die passende Kronenform. 

Aber wie gut ist die Qualität dieser Vorschläge im Vergleich zu der Arbeit einer Zahntechnikerin oder eines Zahntechnikers? Genau hier setzte die Regensburger Studie an. Im Mittelpunkt stand die Frage: Wie stark beeinflusst die Menge der verfügbaren Daten die Qualität der Vorschläge?

Die Forschenden verglichen dazu verschiedene Datensätze. Dabei variierten sie, wie groß der eingescannte Bereich des Gebisses war, der als Grundlage für ihre Berechnung zur Verfügung stand. Ihre Hypothese lautete: Je mehr Informationen die KI über die individuelle Mundsituation erhält, desto genauer kann sie einen digitalen Kronenentwurf gestalten.

Warum der Umfang der Daten so wichtig ist, zeigt ein Blick auf die Anforderungen an eine Krone. Ihre Innenseite muss genau auf den präparierten Zahnstumpf passen. „Die größere klinische Herausforderung ist aber die Anpassung der Außenkontur an das bestehende Gebiss“, erklärt Rosentritt. Die Krone braucht passende Kontaktpunkte zu den Nachbarzähnen und muss beim Zusammenbeißen korrekt auf die Gegenbezahnung treffen. Auch die Form der Kauflächen, die Höckerneigungen und die räumliche Verteilung der Kontakte spielen eine Rolle.

Hinzu kommen individuelle Gebrauchsspuren. Zähne verändern sich im Laufe des Lebens. Sie weisen Abriebflächen und Schleiffacetten auf, die bei der Konstruktion einer neuen Krone berücksichtigt werden müssen. „Wir beide sind nicht mehr ganz jung. Das heißt, unsere Zähne sind auch benutzt“, sagt Rosentritt schmunzelnd. Damit sich die neue Krone funktionell in das vorhandene Gebiss einfügt, braucht die KI möglichst genaue Informationen über diese individuelle Situation.

Für die Bewertung der KI-generierten Kronenvorschläge entwickelte das Team klinisch relevante Kennzahlen. Dazu gehörten die Anzahl der Kontaktpunkte, ihre Abstände und räumliche Verteilung sowie die Stärke der Kontakte. Auf diese Weise konnten die Forschenden prüfen, wie gut die von der KI erzeugten Vorschläge mit dem übrigen Gebiss zusammenpassten.

Die Ergebnisse bestätigten die Ausgangshypothese weitgehend. Die Qualität der erzeugten Kronen war in bestimmten Bereichen vom Umfang der Eingabedaten beziehungsweise von der Größe des gescannten Areals abhängig. Das KI-System rekonstruierte Kronen zuverlässig, wenn mindestens Daten des betreffenden Mundbereiches (Quadranten) vorlagen. Eine weitere Steigerung der Datenmenge – etwa ein kompletter Mundscan führte zu keiner Verbesserung der Qualität. Wurden der KI nur wenige Scandaten zur Verfügung gestellt, verschlechterten sich die Ergebnisse. Informationen über die unmittelbaren Nachbarzähne reichten teilweise nicht aus, um eine funktionell überzeugende Krone zu erzeugen. In einzelnen Fällen konnte das KI-System kein geeignetes Ergebnis liefern. 

Damit liefert die Studie eine wichtige Erkenntnis für die klinische Anwendung KI-basierter Systeme: Die Qualität der Kronen hängt wesentlich davon ab, welche Bereiche und wie umfassend die Mundsituation digital erfasst werden. Ein kleinerer Scan spart zunächst Zeit, kann jedoch dazu führen, dass der KI entscheidende Informationen fehlen. Zusätzliche Korrekturen oder ein erneuter Scan werden dann notwendig.

Ein erfahrener Zahntechniker erstellt ohne Frage hochwertige Kronen. Der Vorteil der KI liege vor allem in der Geschwindigkeit, so Rosentritt. Wofür ein Zahntechniker Stunden benötigt, genüge der KI je nach Rechnerleistung wenige Sekunden. Das ist angesichts des Fachkräftemangels in der Zahntechnik relevant. „Wir haben das Problem, dass es immer weniger Zahntechniker gibt“, sagt Rosentritt. Digitale Systeme könnten künftig einen Teil der zeitaufwendigen Konstruktionsarbeit übernehmen und vorhandene Fachkräfte entlasten. Darüber hinaus könnten Zahnärzte von präzisen und konsistenten Restaurationsvorschlägen profitieren, so dass der Bedarf an manuellen Anpassungen beim Patienten reduziert werden könnte.

Damit das Regensburger Verfahren im klinischen Alltageingesetzt werden könnte, wären weitere Entwicklungsschritte erforderlich. Derzeit handelt es sich um ein reines Forschungsprojekt. Für eine breite Anwendung bräuchte es eine benutzerfreundliche Oberfläche und einen Industriepartner, der das System weiterentwickele.

Die ausgezeichnete Studie macht aber deutlich, dass die KI auch in der Zahntechnik auf eine ausreichende Datengrundlage angewiesen ist. Für Zahnärztinnen und Zahnärzte bedeutet das: Wer präzisen Zahnersatz mithilfe von KI herstellen möchte, muss der Software genügend Daten über das individuelle Gebiss zur Verfügung stellen.