Több mint egy évtizedes klinikai gyakorlattal és oktatási tapasztalattal a háta mögött dr. Bagdy-Bálint Réka gyermekfogorvos és fogszabályozó szakorvos azt a szemléletet hozta magával családjából, hogy a gyógyítás alapja a szakmai tudás mellett a betegre fordított figyelem és idő. Ez inspirálta PhD-kutatásának kiválasztásakor is: olyan folyamatoptimalizált rendszert szeretett volna létrehozni, amely a strukturált adatgyűjtés és a mesterséges intelligencia (AI) segítségével tehermentesíti az orvosokat, hogy több idő jusson a betegekre.
A FOK Gyermekfogászati és Fogszabályozási Klinika tanársegéde elmondta: klinikájukon napi 200 gyermek páciens is megfordul, és a kar összességében évente akár 500 ezer beteget is ellát. Ez nemzetközi összehasonlításban is jelentős betegforgalom, amely komoly feladatot ró az itt dolgozókra, ugyanakkor a fogászati diagnosztika során keletkező adatok és tapasztalatok jelentős kutatási lehetőséget is jelentenek a kar számára – tette hozzá a szakember.
PhD-kutatása során hamar világossá vált számára, hogy a fogászati kutatások egyik legnagyobb akadálya a strukturált, jól elemezhető adatok hiánya. „A fogszabályozásban egy kezelés 2-3 évig is eltarthat, ezalatt pedig a különböző vizsgálatokból származó adatok gyakran széttagoltan, különböző rendszerekben vagy szabad szöveges dokumentációban rögzülnek. Ez jelentősen megnehezíti a nagy esetszámú klinikai kutatásokat. A valódi kihívás nem az adatok mennyisége, hanem azok strukturált összekapcsolása. Ez indított el azon az úton, hogy olyan integrált rendszert hozzak létre, amely a mindennapi betegellátás során automatikusan épít egy strukturált klinikai regisztert, amely a kutatás és a jövő automatizált döntéstámogató rendszereinek alapjául szolgál.” – emelte ki a kutató.
PhD-munkájának középpontjában az ún. kefalometriai analízis, azaz a fej, az állcsontok és fogak egymáshoz viszonyított helyzetének pontos és villámgyors, AI által támogatott kiértékelése is állt. A kefalometriai analízis a fogszabályozás egyik alapvető diagnosztikai vizsgálata, amely az oldalirányú koponyaröntgenen végzett mérések segítségével támogatja a kezelési terv elkészítését. „A röntgenfelvételt korábban az asztali átvilágítóra helyeztük, arra pauszpapírt rögzítettünk, majd ceruzával jelöltük be az anatómiai mérőpontokat. A méréseket vonalzóval és szögmérővel végeztük, számológéppel számoltunk. Ez egy gyakorlott szakembernek egy félórás művelet volt. Később ezt egy szoftver segítségével mintegy 6 perc alatt végeztük el. Az általunk annotált mintegy 1400 röntgenfelvétel alapján, informatikusokkal együttműködve betanított modell pedig ennek töredéke alatt elvégzi a kiértékeléseket az erre a célra megalkotott szoftverben, ami nagyon jelentős segítség számunkra” – mutatta be a digitalizáció és az AI előnyeit.
Kutatásomban felmértem a strukturált leletezés nemzetközi trendjeit és az elektronikus egészségügyi dokumentációs rendszereket, majd ezekre építve kialakítottam egy fogszabályozási kérdőívrendszert, és párhuzamosan klinikai környezetben implementáltuk az AI-alapú kefalometriai röntgenelemző szoftvert. Az AI pontosságát a szakértői kiértékeléssel összehasonlítva megállapíthattam, hogy az AI a legtöbb mérési pont esetében konzisztensebb teljesítményt nyújt, miközben a kiértékelés ideje kevesebb mint fél másodpercre csökkent
– ismertette.
A mérések és betegellátás során keletkező adatokat összegyűjtő regisztert a Semmelweis Egyetem Klinikai Adatszolgáltató Intézet által létrehozott biobank hálózatba integrálták, majd a rendszert több fogorvosi szakterületre is kiterjesztette a kutató, létrehozva egy komplex klinikai fogorvostudományi regisztert. „A betegellátás és az AI elemzések során keletkező adatokat ebben a folyamatosan bővülő adatbázisban gyűjtjük, amely a jövő mesterséges intelligencia alapú fejlesztéseinek is alapját képezheti” – mutatott rá dr. Bagdy-Bálint Réka.
AI-alapú kefalometriai elemző szoftver működik máshol is a világban, ugyanakkor olyan komplex regiszterrel, amely a fotók, a 2D és 3D képalkotó vizsgálatok AI-alapú kiértékeléseit, valamint más fogorvosi adatok eredményeit strukturált adatbázis-háttérrel – például a biobank hálózattal – kapcsolja össze, és egyszerre több fogorvosi szakterületet is kiszolgál, eddig nem találkozott – hívta fel a figyelmet a kutató.
„Az AI diagnosztikára és a strukturált adatokra épülő döntéstámogató rendszerek nem az orvos helyett döntenek, hanem segítik a munkáját. A döntéseket továbbra is az orvos hozza meg, és a felelősséget is ő viseli, viszont jelentős segítség, amikor például egy betegnek több évtizedes életútját kell azonnal átlátnia a döntéseihez” – emelte ki.
A tervekről elmondta: egy legalább 5 évnyi adatot tartalmazó adatbázisból már néhány kattintással lekérdezhető számos olyan releváns összefüggés, amely kezelésekben, akár a prevencióban is segítségükre lehet. Ilyen például az egyes betegségek vagy például a dohányzás hatásai a fogmozgatásra, vagy az alkalmazott gyógyszerek és fogászati beavatkozások közötti összefüggések, amelyeket a hagyományos, „kartonos” adatnyilvántartással csak hosszú és körülményes átnézéssel lehet felderíteni. Egy ilyen méretű adatbázis a jövő AI-alapú predikciós és kockázatbecslő modellek fejlesztésének is alapját képezheti.
„Ezekkel a rendszerekkel folyamatosan montírozhatjuk is az ellátást, hogy milyen hatékonysággal dolgozunk, hol vannak hiányosságok, hova kell több erőforrást befektetni, vagy akár, hogy milyen eredménye van a prevenciónak a gyermekfogászatban” – sorolta az előnyöket dr. Bagdy Bálint Réka. A kutató szerint az ilyen adatvezérelt megközelítés hosszú távon tovább erősítheti a Semmelweis Egyetem nemzetközi tudományos szerepét a fogorvostudományi kutatásokban és innovációban.
Névjegy
Dr. Bagdy-Bálint Réka 2014-ben diplomázott a Semmelweis Egyetem Fogorvostudományi Karán (FOK). Utolsó tanulmányi évét a Grazi Orvostudományi Egyetemen (Medizinische Universität Graz) töltötte Erasmus-ösztöndíjjal. Az egyetem óta klinikusként dolgozik, fogszabályozás és gyermekfogászat szakvizsgákat tett. A német, angol és magyar nyelvű képzéseken tanuló fogorvostan-hallgatókat oktatja. 2025 novemberében védte meg PhD disszertációját. Sikeresen elvégezte a Semmelweis Egyetem és a Harvard Medical School Clinical Sciences Scholar Program 9 hónapos, a klinikai kutatások módszertanára összpontosító közös képzését. Felvételt nyert az Egészségügyi Közszolgálati Kar Egészségügyi Menedzserképző Központ (EKK EMK) egészségügyi adattudomány (Data Science in Health) mesterképzési szakjára, amely okleveles egészségügyi adattudós képesítést ad. Családjában nagyapja reumatológus orvos, szülei és bátyja fogorvosok. Jelenleg második gyermekével van szülési szabadságon.
Tasnádi Róbert
Fotó: Barta Bálint – Semmelweis Egyetem
