Digitalisierung: Nutzen, Evidenz und Ethik

Das Deutsche Netzwerk Evidenzbasierte Medizin (EbM) befasste sich auf seiner 20. Jahrestagung im März dieses Jahres in Berlin mit den Chancen und Herausforderungen, die die digitale Transformation für eine evidenzbasierte und patientenzentrierte Medizin bereithält. Die Fachgruppe der Zahnmediziner war mit mehreren Vorträgen vertreten und beleuchtete das Thema mit Fokus auf den CAD/CAM-Workflow und die digitale Diagnostik.

Digitale Anwendungen (z.B. digitales Röntgen oder die CAD/CAM-Fertigung zahnmedizinischer Restaurationen) sind in der zahnmedizinischen Praxis weit verbreitet. Unklar bleibt bei diesen Anwendungen jedoch oftmals, inwieweit der mögliche Nutzen die teils hohen Kosten rechtfertigt, wie robust diese Anwendungen durch Studiendaten untermauert sind und welche weitergehenden ethischen Konsequenzen und Herausforderungen sich ableiten.

Das Symposium zur „Digitalen Zahnmedizin“ sollte das Gebiet in seiner thematischen Breite abstecken, wie PD Dr. Falk Schwendicke als Verantwortlicher des Fachbereichs Zahnmedizin im EbM-Netzwerk in seinen einleitenden Worten darstellte: Der „komplette Dreiklang von dem, was jetzt schon geht, wie wir dies evidenzseitig bewerten und der größere ethisch-soziale Zusammenhang“ sollte in dem begrenzten zeitlichen Rahmen des mittäglichen Symposiums zumindest angerissen werden.

Der erste Referent, Dr. Joachim Krois aus der Arbeitsgruppe Digital Dentistry der Charité Berlin, beschäftigte sich in seinem Vortrag mit digitaler Diagnostik. Genauer: Mit dem Einsatz Künstlicher Intelligenz (KI) zur Bildanalyse in der Zahnmedizin. Was kann diese Technologie, wie nutzen Zahnärzte sie und wie ist sie zu bewerten?

Bilddiagnostik – noch in den Kinderschuhen

Dr. Krois verdeutlichte in seinem Vortrag, dass der Einsatz von KI für Aufgaben der Bildanalyse, so auch für die dentale Bilddiagnostik, ein enormes Potenzial besitzt. Der digitalen Bildanalyse liegt eine spezielle Art des maschinellen Lernens zugrunde, das sogenannte „Deep Learning“. Hierbei wird eine spezielle Form neuronaler Netzwerke („Convolutional Neural Networks“ oder kurz „ConvNets“), die im Wesentlichen aus modularen, ineinander verschachtelten nichtlinearen Funktionen aufgebaut ist, mit Beispieldaten trainiert, bis sie in der Lage ist, für neue Bilddaten verlässliche Vorhersagen zu treffen. Wichtig hierbei ist zu verstehen, dass nicht mehr wie bisher definierte Regeln vom Menschen vorgegeben werden, sondern dass diese Modelle diese Regeln eigenständig erlernen. Die Erforschung dieser Techniken reicht zurück bis in die 1950er-Jahren, aber erst eine erhöhte Rechenkapazität, die Verfügbarkeit von ausreichend Daten und verbesserte Algorithmen ermöglichen es, dass diese Modelle komplexe, bislang nur vom Menschen zu leistende Aufgaben meistern.

In der zahnmedizinischen Praxis wird diese Technik bisher kaum angewandt, auch sind wissenschaftliche Studien zu dem Thema noch rar, wie Dr. Krois ausführte. Jedoch steigt die Anzahl an Veröffentlichunge zu dem Thema von Jahr zu Jahr deutlich an [1–3]. Unter anderen wird an der Charité in der Arbeitsgruppe von Dr. Schwendicke und Dr. Krois an diesen Techniken aktiv geforscht. Ihre eigenen Arbeiten zeigen z.B., dass die automatisierte Detektion von anatomischen Strukturen oder Restaurationen über KI bereits sehr gute Ergebnisse liefert. Noch in diesem Jahr will die Arbeitsgruppe eine Software entwickelt haben, die eine automatisierte Bewertung von zahnärztlichen Röntgenbildern mittels KI ermöglicht – inklusive Erkennung von pathologischen Strukturen (Karies, apikale Läsionen, Knochenabbau). Studienergebnisse in diese Richtung sind vielversprechend: Apikale Läsionen [4] und parodontaler Knochenabbau kann in den allermeisten Fällen zuverlässig festgestellt werden [5].

Eine evidenzbasierte Bewertung von KI in der Zahnmedizin ist – so berichtete Dr. Krois – derzeit nur begrenzt möglich. Neben der noch geringen Anzahl von Studien wies der Referent auch auf 2 weitere Probleme bei der Beurteilung digitaler Diagnostik hin:

1. Die Anwendung von KI ist wissenschaftlich nicht transparent und meist nicht reproduzierbar, da es für die Entwicklung von Deep-Learning-Modellen kein vereinheitlichtes Studiendesign gibt. Mehr noch, der Prozess der Modellentwicklung ist selbst Teil der aktuellen Forschung, sodass sich beständig Änderungen und Verbesserungen ergeben und somit auch eine Standardisierung des Modellentwicklungsprozesses hinderlich wäre.
2. Es ist sehr schwer, v.a. bei sehr tiefen und komplexen neuronalen Netzwerken zu ergründen, wie das Modell zu bestimmten Ergebnissen kommt. Deshalb wird an der Charité u.a. an der Visualisierung der durch die KI berücksichtigten Strukturen und einem reproduzierbaren Studiendesign gearbeitet.

Als Konklusion des Beitrages von Dr. Krois ergibt sich, dass der Zahnarzt auch noch in der nahen Zukunft die integrative Betrachtung des Einzelfalls leisten muss. Neuronale Netzwerke oder andere Techniken des maschinellen Lernens können einzelne Teilaufgaben zwar möglicherweise besser als der Zahnarzt ausführen, doch die abwägende Gesamtschau obliege weiterhin dem Arzt, so Dr. Krois.

CAD/CAM: Alltagstauglich – aber auch evidenzbasiert?

Ein digitaler Workflow hat sich in Teilen der Therapie bereits etabliert, man denke beispielsweise an die Implantologie oder Prothetik. Vielerorts ist die CAD/CAM-Fertigung zahnmedizinischer Restaurationen bereits Standard. Was in ihrem gemeinsamen Klinikalltag gang und gäbe ist, betrachteten der leitende Oberarzt der Abteilung für Zahnärztliche Prothetik, Alterszahnmedizin und Funktionslehre der Charité, PD Dr. Benedikt Spies, und der wissenschaftliche Mitarbeiter Dr. Christian Wesemann in ihrem gemeinsamen Vortrag im Lichte der Evidenz.

Dr. Spies illustrierte zunächst anhand einiger Patientenfälle, dass „kleinere Lösungen“ schnell und günstig mit hoher Genauigkeit im CAD/CAMWorkflow (ausgehend von einem Intraoralscan und Röntgendaten) umgesetzt werden können. Ein Beispiel: Eine Lückenversorgung erfolgte mit monolithischer, verschraubter Prothetik auf Implantaten in nur 2 zahnärztlichen Sitzungen. Doch wie sieht es in komplexeren Fällen aus, die über Einzelzahnversorgungen oder kleinere Brücken hinausgehen? Reicht die Genauigkeit des digitalen Workflows für eine Komplettsanierung auch unter Einbeziehung externer Daten aus? Bei komplexen Sanierungen tendiert der Referent dazu, sicherheitshalber den Ganzkieferscan mit einem konventionellen Abdruck und das virtuelle mit einem konventionellen Modell zu ergänzen.

Ob er es sich wohl sparen könnte, zweigleisig zu fahren? Die Frage nach der Genauigkeit digitaler Arbeitsabläufe beantwortete Dr. Christian Wesemann auf Basis vorliegender Evidenz. Im Rahmen der Literaturrecherche konnte er im Zeitraum der vergangenen 10 Jahre sehr viele Studien finden, die sich mit digitaler Fertigung beschäftigten. Näher ging er auf ein aktuelles Review aus Brasilien ein, das die Genauigkeit von Intraoralscans beurteilt [6]. Die Metaanalyse zeigt eine hohe Spannbreite hinsichtlich der Genauigkeit von Ganzkieferscans (die Präzision lag zwischen 17 und 387 ?m). Trotz hoher Quantität und Qualität dieser Studien könne aufgrund der variierenden Ergebnisse evidenzbasiert keine klinische Empfehlung gegeben werden, stellte der Referent fest, da die geringsten Abweichungen zwar auf eine sehr gute Präzision von Ganzkieferscans schließen lassen, die Scans mit den höchsten Abweichungen jedoch ungenauer als konventionelle Abdrücke seien. Den Grund für die große Spannbreite der Ergebnisse sieht Dr. Wesemann in der großen Gerätevariabilität bei Intraoralscannern [7]. Problematisch für sichere Ergebnisse im Rahmen einer Metastudie sei auch das Fehlen gemeinsamer Standards für die angewandte Methodik: So kämen bei Untersuchungen ganz unterschiedliche Messmethoden zum Einsatz und nicht zuletzt sei der rasante technologische Fortschritt ein Problem für konventionelle wissenschaftliche Studien. So bezieht das brandneue Review von 2019 Daten von 2011 bis 2017 ein; dabei liegen zwischen damaliger und heutiger Scan-Technologie bereits Welten.

Genauigkeit für kleinere Restaurationen gegeben, Vorsicht bei Ganzkieferversorgungen

Als Fazit hielt Dr. Wesemann fest, dass angesichts der Studienlage zur digitalen Fertigung, zur Überlebensdauer von CAD/CAMRestaurationen im Mund und deren Materialeigenschaften die digitale Technologie in der Prothetik bei kleineren Restaurationen („alles, was sich in einem Quadranten bewegt“) auf Augenhöhe mit konventionellen Arbeitsweisen liege, eventuell sogar „einen Tick besser“ sei. Zwar zeigen die neueren Studien auch für Ganzkieferversorgungen sehr gute Ergebnisse, evidenzbasiert könne jedoch noch keine sichere Empfehlung ausgesprochen werden. Grund dafür sei die Variabilität der Geräte, die Heterogenität der Studienmethoden und der mehrjährige zeitliche Versatz, mit dem evidenzbasierte Aussagen getroffen werden können.

Ethik: 8 Herausforderungen des digitalen Wandels

Als „derjenige, der Wasser in den Wein schütten soll, indem er die Bedenken trägt“ kündigte sich Prof. Dr. Dr. Dr. Dominik Groß an. Er beleuchtete die ethische Dimension des digitalen Wandels in der Zahnmedizin, indem er 8 ethische Herausforderungen und Konsequenzen benannte und erläuterte. Er startete mit einer Begriffsbestimmung von „Digital Dentistry“; darunter sei „jede in der Zahnheilkunde angewandte Technologie, die computergesteuerte oder digitale Komponenten beinhaltet“, zu verstehen. Typische Bereiche sind neben CAD/CAM als dem „Protagonisten“ der Digital Dentistry die intraorale Bildgebung sowie die digitale bzw. computergestützte Kariesdiagnostik, Implantologie, Radiografie; auch Handstücke, Laser, Okklusions- und TMJ-Analyse, intra- und extraorale Fotografie sind mittlerweile von der Digitalisierung erfasst. Herausforderungen, die sich derzeit abzeichnen, sieht Prof. Groß im Datenschutz (Herausforderung 1), insbesondere im Speichern, Teilen und Verwenden von großen Datenmengen. Die informationelle Selbstbestimmung des Patienten zu wahren sei schwierig und die Erfassung des Menschen in seiner Gesamtheit („Digital Double“) über Algorithmen sollte aus ethischer Sicht vermieden werden. Ein solches Digital Double würde zu weitreichenden Rückschlüssen auf eine Person führen und damit auch Missbrauch ermöglichen.

Positive wie negative Veränderungen kündigen sich bezüglich der Zahnarzt-Patient-Beziehung (Herausforderung 2) an. Einerseits könnte der Zahnarzt die Rolle des allwissenden Experten verlieren und digitale Expertensysteme könnten seine Handlungsspielräume begrenzen, da er Gründe benennen muss, um von den Handlungsempfehlungen des Computers abzuweichen. Andererseits könnten Expertensysteme den noch Unerfahrenen unterstützen und Softwaresysteme den Zahnarzt von Routinetätigkeiten entlasten, sodass mehr Zeit für Patientengespräche bliebe. Teledentistry könnte für mehr Zugangsgerechtigkeit in manchen Bereichen sorgen und das Wissen im Internet für mehr Selbstermächtigung des Patienten – ganz im Sinne einer patientenzentrierten Medizin.

Allerdings sei der Zahnarzt in der Pflicht, so Prof. Groß, sich eingehend mit neuen Techniken zu befassen, wenn er diese einsetzen möchte (Herausforderung 3), und sein Patient müsse ebenfalls über eine ausreichende digitale Kompetenz verfügen. Arbeiten mehrere Personen in komplexen digitalen Systemen zusammen, kommt Herausforderung 4 zum Tragen: Im Falle eines Versagens wird es schwierig, die Schuld einer Person zuzuschreiben und damit einen Verantwortlichen für das Misslingen zu benennen und haftbar zu machen („Verantwortungsdiffusion“). Weitere kritische Punkte (Herausforderung 5 und 6) im Szenario der Digitalisierung sind der Wandel von Berufsbildern, teilweise auch der Verlust von Arbeitsplätzen im Dentalbereich und die Gefahr einer Kostenfalle für Zahnarztpraxen. Hohe Investitionen für digitale Geräte könnten Druck erzeugen, diese auch dann einzusetzen, wenn dies für die Behandlung gar nicht notwendig wäre. Ein Overtreatment bzw. eine Overdiagnostik zum Schaden des Patienten wäre hier die Folge. Zudem könnte der allgemeine Standard ohne eine objektive Notwendigkeit steigen („Shift of Standard“).

Gefahr Evidenzlücke

Die mangelnde Evidenz für die Qualität neuer digitaler Technologien in der Zahnmedizin stufte Prof. Groß als das gravierendste Problem ein (Herausforderung 7). Wie bereits in den vorhergehenden Vorträgen deutlich geworden war, erscheint es für traditionelle Studien fast unmöglich, mit der technologischen Entwicklung Schritt zu halten. Metastudien werden oft erst dann publiziert, wenn die eingesetzte Technologie bereits veraltet ist – was schon nach 3 oder 4 Jahren der Fall sein kann. Somit entsteht eine Lücke zwischen technologischem Fortschritt und dem Stand der Evidenz. Zugleich fehle es an Standards für entsprechende Studien.

Eine weitere Konsequenz aus der Technikspirale, die sich immer weiter (und schneller) dreht: Der Konsum wird angeheizt mit ungünstigen Auswirkungen auf den ökologischen Fingerabdruck (Herausforderung 8). Ansprüche, Nachfrage und Kosten steigen; immer mehr Elektroschrott muss entsorgt werden. Hier brauche es eine gestaltende Digitalpolitik.

Digital Dentistry darf kein Selbstzweck sein

Geradezu wie ein ethisches Manifest zur Digital Dentistry klingen die Schlussfolgerungen, die Prof. Groß aus den beschriebenen Punkten ableitet: „Digital Dentistry ist kein Selbstzweck. Sie muss sich vielmehr an ihren Auswirkungen auf den Patienten, das Behandlungsteam und das Zahnarzt-Patient-Verhältnis messen lassen: Sie muss dem Patienten dienen, indem sie die Diagnostik und/oder Therapie qualitativ verbessert, das diagnostisch-therapeutische Spektrum erweitert, den Behandlungskomfort erhöht, die Behandlungsdauer verkürzt, die Patientensicherheit erhöht, die Patientenautonomie stärkt und/oder den Zugang zu zahnärztlicher Versorgung verbessert. Sie sollte den Behandler und sein Team unterstützen, … entlasten und fachlich sinnvolle und wirtschaftlich vertretbare Handlungsspielräume eröffnen. Sie sollte das Zahnarzt-Patient-Verhältnis verbessern durch bessere Kommunikation, verbesserte Patienteninformation und damit letztendlich durch eine Verringerung der Asymmetrie.“ Hier kann man wohl nur zustimmen, an eine gesunde Skeptik appellieren und darauf hoffen, dass geeignete wissenschaftliche Evaluationsmethoden gefunden werden können, die die Evidenzlücke schließen oder zumindest verkleinern können.

---

Hinweis der Redaktion:

Auf dem Deutschen Zahnärztetag in Frankfurt am 8. November von 11 bis 12.30 Uhr werden die im Bericht erwähnten Referenten des Netzwerk EBM im Raum Illusion 2 noch einmal die hier zusammengefassten Vorträge über die Digitale Zahnmedizin halten. Interessierte haben die Gelegenheit, sich über Diagnostik, Therapie und ethische Konsequenzen der Digitalisierung in der Zahnmedizin zu informieren und diese Themen zu diskutieren.

Literatur:

[1] Jader G, Fontineli J, Ruiz M, Abdalla K, Pithon M, Oliveira L: Deep instance segmentation of teeth in panoramic X-ray images. In: 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 400–407; IEEE (2018).
[2] Zanjani FG, Moin DA, Verheij B, Claessen F, Cherici T, Tan T: Deep learning approach to semantic segmentation in 3D point cloud intra-oral scans of teeth. MIDL (2019).
[3] Lee JH, Kim DH, Jeong SN, Choi SH: Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm. Journal of Dentistry 77, 106–111 (2018).
[4] Krois J et al.: Deep learning for the radiographic detection of periodontal bone loss. Scientific Reports [accepted] (2019).
[5] Ekert Thomas et al.: Deep learning for the radiographic detection of apical lesions. Journal of Endodontics [accepted] (2019).
[6] Bohner L, Diaz Gamba D, Hanisch M, Silva Marcio B, Tortamano Neto P, Cruz Lagana D, Sesma N: Accuracy of digital technologies fort he scanning of facial skeletal, and intraoral tissues: A systematic review. JPD [in Press] (2019).
[7] Wesemann C et al.: Artikel für J Comput Dent [in Vorbereitung].

Näheres zum Autor des Fachbeitrages: Dagmar Kromer-Busch