1. Geleneksel şeffaf diş düzeltici tasarımı, deneyimli bir teknisyenin çalışmasıyla vaka başına 1–4 saat sürer
Herhangi bir yazılım çözümünü değerlendirmeden önce, yapay zekanın çözdüğünü iddia ettiği sorunu nicel olarak belirlemek önemlidir. Geleneksel şeffaf diş düzeltici tasarım iş akışında, diş segmentasyonu, ilk konumlandırma, tedavi planlaması, aşamalandırma, bağlantı elemanlarının yerleştirilmesi, dişler arası azaltma (IPR) planlaması ve üretim için son işlem gibi her önemli adımı, eğitimli bir teknisyen veya ortodontistin elle gerçekleştirmesi gerekir. Her adım, klinik muhakeme, CAD ortamında manuel araç kullanımı ve yinelemeli iyileştirme gerektirir.
Platform belgeleri ve kullanıcı karşılaştırmaları, OnyxCeph vakalarının iki ila dört saatlik pratik çalışma gerektirdiğini; Maestro 3D ve 3Shape Clear Aligner Studio’nun ise sırasıyla bir ila üç saat ile bir ila iki saat gerektirdiğini göstermektedir. En düşük seviyede bile, günde sekiz saat çalışan bir teknisyen yalnızca dört ila altı vakayı tamamlayabilmektedir. Ayda bin vaka işleyen orta ölçekli bir laboratuvar için bu iş hacmi, yaklaşık otuz beş ila kırk tam zamanlı teknisyene denk gelmektedir.
Sorun sadece toplam süre değildir. Asıl sorun bilişsel yüktür. Her vaka, teknisyenin çalışma belleğinde birden fazla ortodontik değişkeni tutmasını gerektirir: kemiğe göre kök konumu, komşu dişler arasındaki çarpışma tespiti, her hareket aşaması için optimal kuvvet vektörleri, ataşman geometrisi ve IPR zamanlaması. İnsan teknisyenler bu işi mükemmel bir şekilde yaparlar, ancak kalitede bir düşüş olmadan saatlerce aralıksız olarak bunu sürdüremezler.
2. İşçilik maliyetleri, çoğu laboratuvar ve marka için toplam vaka üretim giderlerinin –80%’sini oluşturmaktadır
Mali sonuçlar, zaman gereksinimlerinden doğrudan kaynaklanmaktadır. Tipik bir ortodonti laboratuvarında veya şeffaf diş düzeltici markasında, işçilik maliyeti tek başına en büyük maliyet kalemini oluşturur ve diğer kalemlere göre önemli ölçüde daha yüksektir. Teknisyen maaşları, sosyal haklar, eğitim ve personel devir hızı, bir vakanın tarama alınmasından üretime hazır dosya haline getirilmesine kadar geçen süreçteki toplam giderin % ila %'sini oluşturmaktadır.
Buna kıyasla yazılım lisansları önemsiz bir kalemdir. 3Shape Clear Aligner Studio’nun yıllık lisans ücreti yaklaşık $650’dir ve buna modüller eklenir; Archform ise hasta başına $14 ücret almaktadır. Bu rakamlar, vaka başına iki ila dört saatlik uzman teknisyen çalışma süresinin işgücü maliyetinin yanında önemsiz kalmaktadır. Saat başına $40 ila $50 arasında değişen toplam maliyetle, manuel olarak planlanan tek bir vaka, üretim masrafları hariç $80 ila $200 arasında bir işçilik yükü oluşturur.
İnsanların tasarım süresini gerçekten kısaltan her türlü teknoloji, birim ekonomisini dönüştürme potansiyeline sahiptir. Vaka başına işçilik süresini iki saatten on dakikaya indiren bir platform, diş düzeltici üretiminin tüm maliyet yapısını yeniden şekillendirir. Buna karşılık, hâlâ bir ila iki saatlik manuel çalışma gerektiren bir platform, yalnızca marjinal bir iyileşme sağlar.
3. İnsanlar tarafından tasarlanan planlar, teknisyenler arasında kalite ve tutarlılık açısından önemli farklılıklar göstermektedir
Maliyet ve hızın ötesinde, bir klinik kalite sorunu da söz konusudur. Ortodontik tedavi planlamasında teknisyenler arası uyum üzerine yapılan çalışmalar, deneyimli teknisyenlerin yaklaşık 15% ila 25% dişlerde optimal nihai diş pozisyonu konusunda fikir ayrılığına düştüklerini ortaya koymuştur; bu uyuşmazlıklar, karmaşık çekim veya iskeletsel vakalarda daha belirgindir. Bu farklılık, tutarsız tedavi sonuçlarına, daha yüksek düzeltme oranlarına ve daha kısa ömürlü sonuçlara yol açmaktadır.
Bu değişkenlik, tedavi planlamasının çok boyutlu bir optimizasyon problemi olmasından kaynaklanmaktadır. Standartlaştırılmış bir karar çerçevesi olmadan, her plan, onu oluşturan kişinin kendine özgü tercihlerini yansıtır. Gerçek yapay zeka, potansiyel bir çözüm sunar: Yeterince büyük bir veri seti üzerinde eğitilmiş bir sinir ağı, her vakada ve her gün aynı karar kriterlerini uygular. Bölüm 1.3’te göreceğimiz gibi asıl soru, söz konusu yapay zekanın gerçekten o veri seti üzerinde eğitilmiş olup olmadığı ya da sadece önceden programlanmış kuralları uygulayıp uygulamadığıdır.
