AI som leser tannrøntgen 2026 karies-deteksjon med norske data

AI som leser tannrøntgen 2026 — karies-deteksjon med norske data

AI-modeller som oppdager karies — hull i tennene — på røntgenbilder modnes raskt, og norsk forskning er sentral. Prosjektet AI-Dentify, basert på HUNT4-tannhelseundersøkelsen, trener algoritmer til å finne hull mellom tennene på bitewing-røntgen. I 2026 er denne typen verktøy beslutningsstøtte: det flagger mistenkelige områder, men tannlegen tar den endelige avgjørelsen om diagnose og behandling.

Hvorfor røntgen er det modne feltet

Karies mellom tennene — approksimal karies — er vanskelig å se med det blotte øye og oppdages best på bitewing-røntgen, der man ser tennene fra siden. Nettopp fordi avlesningen er visuell og krevende, er dette et område der AI har naturlig nytte: en modell kan markere områder som ser mistenkelige ut, slik at tannlegen ikke overser dem.

Det norske AI-Dentify-prosjektet bruker dyp læring til å oppdage approksimal karies på bitewing-røntgen, trent på materiale fra HUNT4 Oral Health Study — en del av den store Helseundersøkelsen i Trøndelag. At modellen er trent på norske pasientdata er en fordel, fordi den da gjenspeiler norske forhold og røntgenrutiner bedre enn modeller trent på data fra helt andre populasjoner.

Systematiske oversikter av AI for radiografisk karies-deteksjon viser lovende, men varierende resultater på tvers av røntgentyper som periapikale bilder, bitewings og panoramarøntgen. Teknologien er reell, men ikke ferdig modnet.

Hva AI faktisk endrer i undersøkelsen

I praksis fungerer slike verktøy som et ekstra blikk. Tannlegen tar røntgenbildet som vanlig, og AI-modellen markerer områder den mener kan være karies. De viktigste effektene er:

• Færre oversette lesjoner, fordi modellen fanger opp svake tegn som kan gå tapt i en travel arbeidsdag
• Mer konsistent vurdering, siden modellen ikke blir trøtt eller distrahert
• Bedre pasientkommunikasjon, fordi markeringene kan vises på skjermen og gjøre funnet forståelig for pasienten

Samtidig endrer ikke AI hvem som har ansvaret. En markering er en hypotese, ikke en dom. Tannlegen må vurdere om det markerte området faktisk er karies som krever behandling, eller om det skal følges opp og observeres.

Faren for overbehandling

Et viktig forskningsspørsmål er hvordan AI påvirker behandlingsterskelen. Hvis en modell er svært følsom og markerer alt som ser tvilsomt ut, kan den friste til å bore i tenner som egentlig burde vært observert. Internasjonalt pågår kliniske studier som nettopp undersøker hvordan AI påvirker tannlegens beslutninger ved karies-deteksjon, og om det fører til mer eller mindre behandling.

For norsk tannhelse, der bevaring av tannsubstans og forsiktig oppfølging av begynnende karies står sterkt, er dette avgjørende. AI skal hjelpe tannlegen å se bedre, ikke presse frem unødvendige fyllinger.

«AI-Dentify er en dyp læring-studie for deteksjon av approksimal karies på bitewing-røntgen, basert på HUNT4 Oral Health Study.» — kilde: forskningsomtale av AI-Dentify-prosjektet

Personvern og pasientdata

Røntgenbilder av tenner er helseopplysninger og dermed særlige kategorier av personopplysninger. Tannklinikker som tar i bruk AI-verktøy for billedanalyse, må ha databehandleravtale med leverandøren og avklare hvor bildene behandles. Et praktisk poeng er at mange løsninger er skybaserte og kan lagre data utenfor Norge.

Klinikkene må også sikre at bildene ikke gjenbrukes til å trene leverandørens generelle modeller uten gyldig grunnlag, og at pasienten er informert om at AI brukes som hjelpemiddel i vurderingen.

Hva det betyr for norske tannleger

For norske tannleger er AI-karies-deteksjon i 2026 et nyttig hjelpemiddel under utprøving, ikke en autopilot. Verdien er størst som et ekstra sikkerhetsnett mot oversette lesjoner, forutsatt at tannlegen beholder det faglige skjønnet og ikke lar markeringer styre behandlingen.

Tannleger og klinikker bør:

• Bruke AI-markeringer som beslutningsstøtte, ikke som diagnose
• Være bevisst risikoen for overbehandling og holde fast ved forsiktig oppfølging av begynnende karies
• Kreve databehandleravtale og avklare hvor røntgenbildene behandles
• Informere pasienten når AI brukes, og sikre at bildene ikke trener leverandørens modeller uten grunnlag