1. Tillverkningen av traditionella genomskinliga tandställningar tar 1–4 timmar per fall med hjälp av en skicklig tekniker
Innan man utvärderar en mjukvarulösning är det värt att kartlägga det problem som AI påstår sig lösa. I ett konventionellt arbetsflöde för tillverkning av genomskinliga tandställningar måste en utbildad tekniker eller ortodontist utföra varje viktigt steg manuellt: tandsegmentering, initial positionering, behandlingsplanering, delning i etapper, placering av fästen, planering av interproximal reduktion (IPR) samt efterbearbetning inför tillverkningen. Varje steg kräver klinisk bedömning, manuell hantering av verktyg i en CAD-miljö och iterativ finjustering.
Plattformsdokumentation och användarundersökningar visar att behandlingen av OnyxCeph-fall kräver två till fyra timmars praktiskt arbete, medan Maestro 3D och 3Shape Clear Aligner Studio kräver en till tre respektive en till två timmar. Även vid den lägre sidan av skalan hinner en tekniker som arbetar åtta timmar om dagen endast behandla fyra till sex fall. För ett medelstort laboratorium som hanterar tusen fall per månad motsvarar den genomströmningen ungefär trettiofem till fyrtio heltidsanställda tekniker.
Flaskhalsen ligger inte enbart i den totala tidsåtgången. Det handlar om den kognitiva belastningen. Varje enskilt fall kräver att teknikern håller flera ortodontiska variabler i arbetsminnet: rotens läge i förhållande till benet, kollisionsdetektering mellan intilliggande tänder, optimala kraftvektorer för varje rörelsesteg, fästets geometri samt tidpunkten för interproximal reduktion (IPR). Mänskliga tekniker utför detta arbete briljant, men de kan inte göra det konsekvent i timmar i sträck utan att kvaliteten varierar.
2. Personalkostnaderna utgör 60–80 % av de totala produktionskostnaderna per förpackning för de flesta laboratorier och varumärken
De ekonomiska konsekvenserna är en direkt följd av tidsåtgången. I ett typiskt ortodontilaboratorium eller hos ett företag som tillverkar genomskinliga tandställningar utgör arbetskostnaderna den klart största enskilda kostnadsposten. Teknikernas löner, förmåner, utbildning och personalomsättning står tillsammans för 60–80 procent av den totala kostnaden för att ta ett ärende från skannat material till en fil som är klar för tillverkning.
Programvarulicenser utgör en relativt liten kostnadspost i jämförelse. 3Shape Clear Aligner Studio har en årlig licensavgift på cirka $650 plus tilläggsmoduler; Archform tar ut $14 per patient. Dessa belopp är försumbara jämfört med arbetskostnaden för två till fyra timmars arbetstid av en kvalificerad tekniker per fall. Med en total kostnad på 1 440 till 1 500 per timme medför ett enda manuellt planerat fall en arbetskostnad på 1 800 till 2 000 innan tillverkningskostnaderna tillkommer.
All teknik som verkligen minskar den tid som krävs för att utforma en behandling har potential att förändra lönsamheten per enhet. En plattform som minskar arbetstiden per fall från två timmar till tio minuter omformar hela kostnadsstrukturen för tillverkningen av tandställningar. Omvänt ger en plattform som fortfarande kräver en till två timmars manuellt arbete endast marginella förbättringar.
3. Planer som utarbetats av människor uppvisar stora skillnader i kvalitet och enhetlighet mellan olika tekniker
Utöver kostnad och snabbhet finns det också en fråga om klinisk kvalitet. Studier av överensstämmelsen mellan tekniker vid planering av ortodontisk behandling visade att erfarna tekniker var oeniga om den optimala slutliga tandpositionen i cirka 15% till 25% av tänderna, med större avvikelser i komplexa fall med tandutdragning eller skelettfel. Denna variation leder till inkonsekventa behandlingsresultat, ökad andel justeringar och kortare varaktighet hos resultaten.
Variationen beror på att behandlingsplanering är ett flerdimensionellt optimeringsproblem. Utan ett standardiserat beslutsramverk speglar varje plan upprättarens personliga preferenser. Äkta AI erbjuder en möjlig lösning: ett neuralt nätverk som tränats på en tillräckligt stor datamängd tillämpar samma beslutskriterier i varje enskilt fall, varje dag. Frågan är, som vi kommer att se i avsnitt 1.3, om AI:n i fråga faktiskt har tränats på den datamängden – eller om den bara följer förprogrammerade regler.
