دات نت نیوک
Menu

پیشرفت‌های حوزه دندان‌پزشکی تا حد زیادی به تحولات فناوری اطلاعات وابسته است. اصطلاح «انفورماتیک دندان‌پزشکی» (Dental Informatics) نخستین بار در سال ۱۹۶۸ توسط زیمرمن و همکارانش معرفی شد و به کاربرد علوم رایانه و علوم اطلاعات در دندان‌پزشکی با هدف بهبود عملکرد بالینی، پژوهش، آموزش و مدیریت اشاره دارد [۲، ۳].

از جمله پیشرفت‌های حاصل در حوزه انفورماتیک دندان‌پزشکی می‌توان به توسعه کاربردهایی مانند ابزارهای تشخیصی، تصویربرداری و برداشت دیجیتال دوبعدی و سه‌بعدی، طراحی و ساخت به کمک رایانه (CAD/CAM) و جراحی به کمک رایانه اشاره کرد. این پیشرفت‌ها در یک مرور نظام‌مند منتشرشده در سال ۲۰۱۷ بررسی شده‌اند [منبع].

مطالعات دیگری به بررسی توسعه سامانه‌های اطلاعات سلامت رایانه‌ای (Health Information Systems: HISs) در حوزه دندان‌پزشکی پرداخته‌اند. سامانه‌های اطلاعات سلامت برای گردآوری، ذخیره‌سازی، پردازش و انتقال اطلاعات موردنیاز جهت سازمان‌دهی و ارائه خدمات مراقبتی به کار می‌روند. یکی از اجزای شناخته‌شده این سامانه‌ها، پرونده الکترونیک دندان‌پزشکی (Electronic Dental Record: EDR) است که دندان‌پزشکان و سایر ارائه‌دهندگان خدمات از آن برای ثبت سوابق پزشکی و دندان‌پزشکی بیماران و نیز اطلاعات تفصیلی مربوط به جلسات مشاوره و ویزیت استفاده می‌کنند. با توجه به مزایای آشکار پرونده‌های الکترونیک دندان‌پزشکی، به‌ویژه در مراکز بالینی بزرگ، نرخ کلی پذیرش و استفاده از این پرونده‌ها در ایالات متحده آمریکا از ۵۲ درصد در سال ۲۰۱۲ به ۷۷ درصد در سال ۲۰۱۷ افزایش یافت.

در واقع، پرونده‌های الکترونیک دندان‌پزشکی صرفاً نسخه دیجیتال‌شده‌ای از پرونده‌های کاغذی نیستند. این پرونده‌ها در حالت ایدئال، باید با سایر اجزای سامانه‌های اطلاعات سلامت هم‌کنش‌پذیر (Interoperable) باشند. آن‌ها امکان کنترل فرایند ثبت داده‌ها، تسهیل ذخیره‌سازی و دسترسی به اطلاعات، پشتیبانی از فرایندهای اداری و مدیریتی و هدایت سیاست‌گذاری‌های سلامت عمومی را فراهم می‌کنند. همچنین، می‌توان از این پرونده‌ها در پژوهش و آموزش نیز بهره گرفت.

برای بهره‌برداری حداکثری از ظرفیت پرونده‌های الکترونیک دندان‌پزشکی، به‌ویژه در زمینه تبادل اطلاعات، تجمیع داده‌ها و استفاده مجدد از آن‌ها، وجود سامانه‌های استاندارد کدگذاری بالینی (Standardized Clinical Coding Systems: SCCSs) ضروری است؛ سامانه‌هایی که مقیاس‌پذیر باشند، امکان اشتراک‌گذاری داشته باشند و متناسب با حوزه دندان‌پزشکی طراحی شده باشند. چنین سامانه‌هایی خوانش‌پذیری مستندات بالینی برای ماشین را تسهیل می‌کنند و امکان مقایسه رایانه‌ای نتایج درمان‌های مختلف را برای یک تشخیص یکسان فراهم می‌سازند.

در اوایل دهه ۲۰۰۰ میلادی، هنوز نام‌گذاری استاندارد و مورد توافقی برای تشخیص‌های دندان‌پزشکی و پیامدهای درمان وجود نداشت. فقدان یک راهبرد مشترک میان دولت‌ها، مراکز سلامت و توسعه‌دهندگان نرم‌افزار، پیشرفت در این زمینه را به‌شدت محدود کرده بود. افزون بر این، پرکاربردترین نظام کدگذاری در آن زمان، یعنی طبقه‌بندی بین‌المللی بیماری‌ها، ویرایش نهم (ICD-9)، پوشش محدودی برای دندان‌پزشکی داشت و برای ثبت دقیق و مناسب تشخیص‌های دندان‌پزشکی کافی نبود.

مطالعات متعددی برای رفع این مشکل، نظام‌های کدگذاری متفاوتی را پیشنهاد کرده‌اند که از جمله آن‌ها می‌توان به EZCode ، SNODENT، هستی‌شناسی پژوهش‌های دندان‌پزشکی (Ontology for Dental Research) و هستی‌شناسی سلامت و بیماری‌های دهان (Oral Health and Disease Ontology) اشاره کرد. در نگاه نخست، ادبیات علمی موجود درباره نظام‌های کدگذاری در دندان‌پزشکی ممکن است گیج‌کننده به نظر برسد. برخی از طبقه‌بندی‌های پیشنهادی چندین بار بازتعریف یا تغییر نام یافته‌اند و در مواردی نیز برای انطباق با نیازهای حوزه دندان‌پزشکی، با سایر نظام‌های کدگذاری ادغام شده‌اند.

علاوه بر چالش‌های استانداردسازی، استفاده از نظام‌های کدگذاری بالینی دندان‌پزشکی عمدتاً موضوعی دانشگاهی تلقی شده است؛ در حالی که دندان‌پزشکان شاغل در بخش خصوصی نیز باید به این موضوع توجه داشته باشند. دشواری‌های ثبت داده‌های استانداردشده می‌تواند یکی از دلایل عدم پذیرش گسترده این نظام‌ها از سوی دندان‌پزشکان بخش خصوصی باشد. در واقع، کارآمدتر کردن فرایند ثبت داده‌های استانداردشده برای بهبود کاربرپذیری، یکپارچگی با گردش کار و کیفیت داده‌ها ضروری است.

استفاده مجدد از داده‌های پرونده الکترونیک دندان‌پزشکی در پژوهش، ظرفیت بسیار امیدوارکننده‌ای دارد. این کار نه‌تنها می‌تواند هزینه‌ها و ناکارآمدی‌های مرتبط با پژوهش‌های بالینی را کاهش دهد، بلکه انبارهای داده مشترک مبتنی بر پرونده‌های الکترونیک دندان‌پزشکی می‌توانند از نظر حجم داده، از بسیاری از سامانه‌های ثبت بیماری و مخازن داده نیز فراتر روند.

علاوه بر این، پرونده‌های الکترونیک دندان‌پزشکی منابعی از داده‌های دنیای واقعی (Real-World Data: RWD) هستند که می‌توان از آن‌ها در مطالعات برای تولید شواهد دنیای واقعی (Real-World Evidence: RWE) استفاده کرد. این شواهد به نوبه خود می‌توانند به تسریع پیشرفت در ارائه خدمات مراقبتی، بهبود پیامدهای بیماران و فراهم کردن بینش‌های ارزشمند برای فعالیت روزمره بالینی کمک کنند.

مطالعات گذشته‌نگر مبتنی بر پرونده‌های الکترونیک دندان‌پزشکی، مانند سایر انواع پژوهش‌های گذشته‌نگر، به جذب بیماران جدید یا گردآوری داده‌های تازه نیاز ندارند؛ دو فرایندی که هر دو هزینه‌بر و زمان‌بر هستند. بنابراین، استفاده مجدد از داده‌های این پرونده‌ها گامی امیدبخش در جهت کاهش هزینه‌های پژوهش، تسهیل پژوهش‌های بیمارمحور و تسریع کشفیات پزشکی جدید محسوب می‌شود. با این حال، این ظرفیت همچنان تحت تأثیر نگرانی‌های مربوط به کیفیت داده‌ها قرار دارد.

به‌طور کلی پذیرفته شده است که به دلیل تفاوت اولویت‌های فعالیت بالینی و پژوهش، داده‌های بالینی با همان دقت و وسواسی که داده‌های پژوهشی ثبت می‌شوند، مستندسازی نمی‌شوند. ازاین‌رو، علاوه بر طراحی ارگونومیک مناسب و یکپارچگی با گردش کار، لازم است فرم‌های ثبت داده به‌گونه‌ای طراحی شوند که بتوانند خطاهای اولیه را شناسایی و از ثبت آن‌ها جلوگیری کنند و بازخورد بلادرنگ در اختیار کاربر قرار دهند تا او از وضعیت فرایند ثبت اطلاعات آگاه باشد. این اقدامات به گردآوری اطلاعاتی دقیق‌تر و کامل‌تر کمک می‌کنند.

همچنین، می‌توان از داده‌های پرونده الکترونیک دندان‌پزشکی در سامانه‌های پشتیبان تصمیم‌گیری بالینی (Clinical Decision Support Systems: CDSSs) برای ارائه توصیه‌های بالینی بیمارمحور به‌صورت بلادرنگ استفاده کرد. این داده‌ها در محیط‌های آموزشی نیز کاربرد دارند و می‌توانند برای پایش دانش فنی و نظری دانشجویان و همچنین ارزیابی فعالیت‌های بالینی آن‌ها به کار روند.

انفورماتیک دندانپزشکی

انفورماتیک دندانپزشکی، اشاره به علوم اطلاعات و فن آوری های جدید مربوطه مورد استفاده در همه حوزه های دندانپزشکی دارد.از جمله :

  • کاربرد رایانه در طبابت و برنامه های مدیریت بالینی
  • ابزار تشخیصی برای شناسایی پوسیدگی ها و … و بازنمایی ناحیه پاکت لثه ای بسیار بیشتر در دسترسند.
  • استفاده از فن آوری ها در ارتباطات از جمله پست الکترونیک، اینترنت و امنیت داده های دریافتی و ارسالی، جستجوی مقالات و منابع و ...
  • دندانپزشکی از راه دور (teledentistry) : متخصصین را قادر می سازد تا تاریخچه پزشکی - دندانی بیماران را مرور کرده و به ارزیابی بالینی بپردازند و سپس یک نظریه قابل اعتماد در تشخیص و بهترین دوره اداره و درمان بیمار را ارایه نمایند.
  • تله رباتیک
  • برنامه های جنبی کمک به تصمیمات بالینی ( دسترسی به پایگاه های داده ای مثل دوزاژ دارویی، کاربرد و تداخلات دارویی)
  • کاربرد فن آوری اطلاعات در همه جنبه های آموزش دندانپزشکی (استفاده از برنامه های شبیه سازی)
  • کاربرد فن آوری اطلاعات در همه جنبه های پژوهش های دندانی

انفورماتیک دندان‌پزشکی واقعاً چیست؟

بیایید از مفاهیم پایه شروع کنیم؛ زیرا این حوزه هنوز به‌درستی شناخته نشده است، حتی در دانشکده‌های دندان‌پزشکی.

انفورماتیک دندان‌پزشکی، کاربرد علم اطلاعات، مدیریت داده‌ها و فناوری برای بهبود نحوه ارائه خدمات دندان‌پزشکی، مستندسازی مراقبت‌ها و تحلیل اطلاعات است.

این حوزه موضوعات متنوعی را در بر می‌گیرد، از جمله:

  • نحوه ساختاردهی و سازمان‌دهی پرونده‌های بیماران در سامانه مدیریت مطب دندان‌پزشکی (Practice Management System یا PMS).

  • نحوه ذخیره‌سازی و تفسیر تصاویر رادیوگرافی، از جمله تصاویر اشعه ایکس و اسکن‌های توموگرافی رایانه‌ای با پرتو مخروطی (CBCT).

  • نحوه استفاده از کدهای CDT (اصطلاحات جاری دندان‌پزشکی) برای ثبت تشخیص‌ها و اقدامات درمانی.

  • چگونگی شناسایی الگوهای بیماری‌های دهان و دندان از طریق تحلیل داده‌های جمعیتی.

  • نقش روزافزون ابزارهای هوش مصنوعی در کمک به تشخیص پوسیدگی دندان، تعیین مرحله بیماری‌های پریودنتال و برنامه‌ریزی درمان.

مسئله داده‌ها در دندان‌پزشکی

تصور کنید با موقعیتی روبه‌رو هستیم که هر روز در هزاران مطب دندان‌پزشکی اتفاق می‌افتد.

بیماری برای انجام جرم‌گیری و پاک‌سازی معمول دندان‌ها، در قالب یک مراجعه دوره‌ای شش‌ماهه، به مطب مراجعه می‌کند. بهداشت‌کار دهان و دندان، عمق پاکت‌های پریودنتال را ثبت می‌کند، وجود خونریزی هنگام پروبینگ را یادداشت می‌کند و دو ناحیه مشکوک را مشخص می‌سازد. دندان‌پزشک تصاویر رادیوگرافی را بررسی می‌کند، توصیه می‌کند ناحیه مشکوکی روی دندان شماره ۱۹ تحت پایش قرار گیرد و بیمار با یک نوبت پیگیری برای مراجعه بعدی مطب را ترک می‌کند.

شش ماه بعد، همان بیمار دوباره مراجعه می‌کند. این بار بهداشت‌کار دیگری مسئول رسیدگی به اوست. او عمق جدید پاکت‌های پریودنتال را ثبت می‌کند، اما هیچ‌کس به‌صورت نظام‌مند این اندازه‌گیری‌ها را با اطلاعات مراجعه قبلی مقایسه نمی‌کند. در جلسه هماهنگی صبحگاهی کارکنان نیز اشاره‌ای به ناحیه مشکوک دندان شماره ۱۹ نمی‌شود. بیمار خدمات پاک‌سازی دندان را دریافت می‌کند و به خانه بازمی‌گردد.

شش ماه دیگر می‌گذرد و پوسیدگی پیشرفت می‌کند. حالا دندان به درمان با روکش نیاز دارد.

این یک شکست بالینی نیست؛ بلکه شکست در مدیریت داده‌هاست.

اطلاعات وجود داشتند و ثبت هم شده بودند؛ اما به یکدیگر پیوند نخورده بودند، در طول زمان پیگیری نمی‌شدند و به شکلی در اختیار تیم درمان قرار نمی‌گرفتند که اقدام لازم را به‌موقع برانگیزند.

این دقیقاً همان مسئله محوری است که انفورماتیک دندان‌پزشکی در پی حل آن است.

کدهای CDT

کدهای CDT از نظر کاربرد در انفورماتیک دندان‌پزشکی، مشابه نقشی هستند که کدهای ICD-10 یا CPT در انفورماتیک سلامت ایفا می‌کنند. این کدها زبان استانداردی فراهم می‌کنند که به کمک آن می‌توان یک اقدام بالینی را به یک داده ساخت‌یافته تبدیل کرد.

چند نمونه از کدهای CDT عبارت‌اند از:

کد CDT

عنوان اقدام دندان‌پزشکی

D0150

ارزیابی جامع دهان و دندان

D0274 / D0330

رادیوگرافی بایت‌وینگ / رادیوگرافی پانورامیک

D4341 / D4342

جرم‌گیری و تسطیح سطح ریشه در درمان بیماری‌های پریودنتال، برحسب ربع فک

D1110

پروفیلاکسی یا پاک‌سازی پیشگیرانه معمول دندان‌های بزرگسالان

D2740 / D2750

اقدامات درمانی مرتبط با روکش دندان

کدهای CDT صرفاً ابزارهای صورتحساب و امور مالی نیستند؛ آن‌ها داده محسوب می‌شوند. هنگامی که این کدها به‌صورت هوشمندانه و نظام‌مند مورد پرس‌وجو و تحلیل قرار گیرند، می‌توانند اطلاعات ارزشمندی درباره بیماران، عملکرد مطب و کیفیت خدمات بالینی آشکار کنند.

پیوند سلامت دهان و دندان با سلامت عمومی بدن؛ جایی که داده‌های دندان‌پزشکی اهمیت بیشتری پیدا می‌کنند

در اینجا انفورماتیک دندان‌پزشکی با حوزه گسترده‌تر انفورماتیک سلامت تلاقی پیدا می‌کند؛ موضوعی که برای فعالان این حوزه می‌تواند بسیار جذاب باشد.

ارتباط میان سلامت دهان و دندان و بیماری‌های سیستمیک بدن، یکی از روابطی است که در پژوهش‌های پزشکی به‌طور گسترده بررسی شده، اما ظرفیت‌های آن هنوز به‌اندازه کافی در عمل مورد استفاده قرار نگرفته است.

برخی از ارتباطات مورد توجه عبارت‌اند از:

  • بیماری‌های پریودنتال (بیماری‌های بافت‌های نگهدارنده دندان) با افزایش خطر بیماری‌های قلبی‌عروقی ارتباط دارند؛ هرچند وجود این ارتباط لزوماً به معنای اثبات رابطه علت و معلولی نیست.

  • کنترل نامناسب دیابت می‌تواند تخریب استخوان ناشی از بیماری‌های پریودنتال را تشدید کند و التهاب پریودنتال نیز ممکن است کنترل قند خون را دشوارتر سازد.

  • در برخی مطالعات، بیماری پریودنتال درمان‌نشده در زنان باردار با افزایش احتمال زایمان زودرس و تولد نوزاد با وزن کم ارتباط داشته است؛ بااین‌حال، میزان و ماهیت رابطه علّی همچنان نیازمند بررسی است.

  • باکتری‌های دهانی، به‌ویژه Fusobacterium nucleatum، در نمونه‌های بافتی سرطان کولورکتال شناسایی شده‌اند. بااین‌حال، حضور این باکتری به‌تنهایی اثبات نمی‌کند که عامل ایجاد سرطان است.

اهمیت انفورماتیک دندان‌پزشکی در این زمینه آن است که می‌تواند اطلاعات سلامت دهان و دندان را با سایر داده‌های سلامت فرد پیوند دهد و امکان بررسی ارتباطات، شناسایی الگوها و پایش وضعیت سلامت را در سطح فرد و جمعیت فراهم کند.

هوش مصنوعی در تصویربرداری دندان‌پزشکی

یکی از حوزه‌هایی که در حال حاضر با سرعت زیادی در انفورماتیک دندان‌پزشکی در حال پیشرفت است، تحلیل تصاویر رادیوگرافی با کمک هوش مصنوعی است.

شرکت‌هایی مانند Overjet، Pearl و Videa Health سامانه‌های هوش مصنوعی توسعه داده‌اند که تصاویر رادیوگرافی دندان را تحلیل می‌کنند و یافته‌هایی مانند پوسیدگی، تحلیل استخوان، جرم دندانی و ضایعات پری‌آپیکال (ضایعات اطراف نوک ریشه دندان) را در زمان بررسی تصویر مشخص می‌سازند تا در کنار ارزیابی دندان‌پزشک مورد استفاده قرار گیرند.

این فناوری از سه جهت اهمیت ویژه‌ای دارد:

۱. استانداردسازی (Standardization)

تحلیل مبتنی بر هوش مصنوعی می‌تواند بخشی از تفاوت‌های ناشی از ارزیابی‌های فردی و اختلاف بین ارزیابان را کاهش دهد. به این ترتیب، تصاویر با روشی نسبتاً یکنواخت تحلیل می‌شوند و این یکنواختی برای پایش تغییرات در طول زمان ارزشمند است.

۲. مستندسازی (Documentation)

یافته‌های استخراج‌شده با کمک هوش مصنوعی را می‌توان به‌صورت داده‌های ساخت‌یافته، دارای زمان ثبت و قابل ذخیره‌سازی در پرونده بیمار نگهداری کرد.

چنین داده‌هایی قابلیت پرس‌وجو، تحلیل روند تغییرات و استفاده در تدوین خودکار نمایه خطر بیمار را دارند. برای مثال، می‌توان تغییرات یک ضایعه مشکوک را در تصاویر متوالی بررسی کرد یا داده‌های مرتبط با خطر بیماری‌های دهان و دندان را در طول زمان به‌روزرسانی کرد.

۳. تضمین کیفیت (Quality Assurance)

با مقایسه یافته‌های هوش مصنوعی با موارد ثبت‌شده در پرونده بالینی و اقدامات صورتحساب‌شده، می‌توان الگوهای مهمی را شناسایی کرد. برای نمونه:

  • آیا ضایعاتی که سامانه هوش مصنوعی مشخص کرده، بدون پیگیری باقی مانده‌اند؟

  • آیا یافته‌های بالینی در پرونده ثبت شده‌اند، اما به بیمار اطلاع داده نشده‌اند؟

  • آیا بین یافته‌های تصویربرداری، تصمیم‌های درمانی و اقدامات ثبت‌شده ناسازگاری وجود دارد؟

البته شواهد مربوط به اعتبارسنجی بالینی این فناوری‌ها همچنان در حال گسترش است و هنوز کامل نیست. همچنین پرسش‌های مهمی درباره مسئولیت حرفه‌ای، ادغام در گردش کار بالینی و نحوه اطلاع‌رسانی به بیماران مطرح است.

بااین‌حال، جهت‌گیری کلی روشن است: تصویربرداری دندان‌پزشکی در حال تبدیل شدن از یک منبع صرفاً دیداری به منبعی برای تولید داده‌های ساخت‌یافته و قابل تحلیل است.

متخصصان انفورماتیک سلامت که هم گردش کار بالینی و هم معماری داده‌ها را درک می‌کنند، نقش مهمی در طراحی نسل بعدی این سامانه‌ها خواهند داشت.

جمع‌بندی

انفورماتیک دندان‌پزشکی هنوز حوزه‌ای نسبتاً کوچک است، اما با سرعت زیادی در حال رشد است. افرادی که زیرساخت‌ها، استانداردها و سامانه‌های این حوزه را طراحی و توسعه می‌دهند، در شکل‌دهی به آینده مراقبت‌های سلامت دهان و دندان طی دهه آینده نقش تعیین‌کننده‌ای خواهند داشت.

در واقع، آینده دندان‌پزشکی تنها به پیشرفت ابزارهای درمانی وابسته نیست؛ بلکه به این نیز بستگی دارد که اطلاعات بالینی چگونه ثبت، استانداردسازی، یکپارچه‌سازی، تحلیل و به تصمیم‌های مؤثر تبدیل شوند.

معرفی کتاب