Charakterisierung von verfahrenstechnischen Kontaminationen auf Hybridabutments nach verschiedenen Reinigungs- und Desinfektionsverfahren. Eine spektroskopische Untersuchung mit Bildanalyse durch überwachtes maschinelles Lernen

Abstract

Hintergrund: Als Medizinprodukte unterliegen Implantatabutments einem risikoadaptierten Hygienemanagement. Abutments sollten vor der Patientenversorgung einem validierten Aufbereitungsverfahren zugeordnet werden, da ihre Oberflächen während des Herstellungsprozesses labortechnisch kontaminiert werden können. Jedoch ist die Wirksamkeit von verschiedenen Reinigungs- und Desinfektionsverfahren noch nicht ausreichend wissenschaftlich untersucht worden. Zudem fehlt es an einem ausgereiften Verfahren zur Beurteilung der Dekontamination. Zielsetzung: Ziel dieser Studie war es, den Einfluss verschiedener Reinigungsverfahren auf den Kontaminationsgrad von Zirkonoxidabutments zu ermitteln. Zu diesem Zweck wurden in dieser Studie neue Messmethoden entwickelt. Materialien und Methoden: In einer in vitro Studie wurden 49 zweiteilige CAD/CAM-Zirkonoxidabutments in sieben Gruppen aufgeteilt. Fünf Gruppen erhielten folgende Hygieneregime: Dreistufige Ultraschallreinigung mit zwei verschiedenen Protokollen (CP und FP), einstufige Ultraschallreinigung (UD), Wasserdampfreinigung (SC) und Argon-Sauerstoff-Plasmabehandlung (PL). Eine weitere Gruppe wurde deutschlandweit in Dentallabors separat zusammengesetzt und einem unbekannten Reinigungsverfahren unterzogen (LA). Eine andere Gruppe blieb ungereinigt (NC) und diente als Kontrollgruppe. Alle Proben wurden mittels Rasterelektronenmikroskopie (REM) auf Kontaminationen untersucht. Die Kontaminationsdetektion erfolgt durch maschinelles Lernen (ML) und Schwellenwertbildung (SW), der Kontaminationsgrad wurde halbautomatisiert quantifiziert. Zusätzlich wurden Kontaminationen durch energiedispersive Röntgenspektroskopie (EDX) in ihrer chemischen Zusammensetzung analysiert. Die Daten wurden mithilfe nichtparametrischer Tests (Kruskal-Wallis-Test, Dunn-Test) statistisch ausgewertet, ferner wurde ein Messmethodenvergleich (SW, ML) durchgeführt (Bland-Altman-Diagramm, Wilcoxon-Vorzeichen-Rang-Test). Ergebnisse: Es zeigten sich signifikante reinigungsspezifische Unterschiede (p ≤ 0,01). Die Gruppen FP-NC/LA wiesen den größten Unterschied im Kontaminationsgrad auf, gefolgt von CP-LA/NC und UD-LA/NC für SW und CP-LA/NC und PL-LA/NC für ML (p ≤ 0,05). Im Methodenvergleich wurde kein signifikanter Unterschied zwischen den Prozentsätzen von ML (Median = 0,008) und SW (Median = 0,012) gemessen (p = 0,22). Das Bland-Altmann-Diagramm wies einen mittleren Unterschied von -0,006 % auf mit erhöhten Messwerten für ML ab > 0,03 %. EDX zeigte bei allen Gruppen eine organische Kontamination; Spuren von Aluminium, Silicium und Calcium konnten nachgewiesen werden. Zusammenfassung: Die Kombination aus Ultraschallreinigung und chemischen Desinfektionsmitteln oder Plasmabehandlung erzielte die höchste Oberflächenreinheit; kein Reinigungsverfahren konnte die Kontaminationen vollständig entfernen. KI-gestützte Kontaminationsdetektion sollte in zukünftigen Studien weiter validiert werden.

Background: As medical devices, implant abutments are subject to risk-adapted hygiene management. Abutments should be assigned to a validated cleaning procedure before patient care, as their surfaces can become contaminated during the manufacturing process in the laboratory. However, the effectiveness of the various cleaning and disinfection procedures has not been sufficiently scientifically investigated yet. In addition, there needs to be a mature method for assessing surface cleanliness. Objective: This study aimed to determine the influence of different cleaning procedures on the quantitative degree of contamination of zirconia abutments. Therefore, new measurement methods were developed in this study. Materials and methods: In an in vitro study, forty-nine two-piece CAD/CAM zirconia abutments were divided into seven groups. Five groups received the following hygiene regimes: three-step ultrasonic cleaning with two different protocols (CP and FP), one-step ultrasonic cleaning (UD), steam (SC) and argon-oxygen plasma treatment (PL). Another group was assembled separately in dental laboratories and subjected to an unknown hygiene regime (LA). The last group remained uncleaned (NC) and served as a control group. All samples were examined for contamination by scanning electron microscopy (SEM). Contaminant detection was performed by machine learning (ML) and thresholding (SW), and the degree of contamination was subsequently quantified in a semi-automated workflow. In addition, contaminants were analysed by energy-dispersive X-ray spectroscopy (EDX) for their chemical composition. The data were statistically evaluated using non-parametric tests (Kruskal-Wallis test, Dunn test), and a comparison of measurement methods (SW, ML) was carried out (Bland-Altman plot, Wilcoxon sign-rank test). Results: Significant cleaning-specific differences were found (p ≤ 0.01). The FP-NC/LA groups showed the most significant contamination area difference for both measurement methods (ML, SW), followed by CP-LA/NC and UD-LA/NC for SW and CP-LA/NC and PL-LA/NC for ML (p ≤ 0.05). In the measurement method comparison, no significant difference was measured between the percentages of ML (median = 0.008) and SW (median = 0.012) (p = 0.22). The Bland-Altmann plot showed a mean difference of -0.006% with increased values for ML from an area percentage > 0.03%. EDX showed organic contamination in all groups; traces of aluminium, silicon and calcium were detected. Conclusion: The combination of ultrasonic cleaning and disinfectants or plasma treatment achieved the highest surface cleanliness; however, no method could eradicate the contaminations.