Genauigkeit eines KI-klinischen wissensbasierten Hybridsystems zur Erkennung von Parodontitis in OPG-Bildern

Parodontitis ist aufgrund ihrer weltweit hohen Prävalenz, erheblichen sozioökonomischen Auswirkungen und erheblichen Auswirkungen auf die Lebensqualität des Einzelnen ein großes Problem der öffentlichen Gesundheit. Allerdings bleibt Parodontitis in der Bevölkerung weitgehend unentdeckt. Es ist von entscheidender Bedeutung, das Bewusstsein für die parodontale Gesundheit zu schärfen und die Früherkennung von Parodontitis zu verbessern, um eine rechtzeitige Intervention sicherzustellen.

Die Klassifikation parodontaler und periimplantärer Erkrankungen und Zustände von 2018 definiert vier Stadien der Parodontitis, die vom Anfangsstadium (Stadium I) bis zum fortgeschrittenen Stadium (Stadium IV) reichen. In den Stadien II-IV sind umfassende Behandlungsmaßnahmen unerlässlich, andernfalls besteht ein hohes Risiko eines Zahnverlustes oder sogar des gesamten Gebissverlustes. Obwohl klinische Untersuchungen als Goldstandard zur Bestimmung des Stadiums einer Parodontitis gelten, ist der Prozess mühsam und zeitaufwändig und erfordert sehr erfahrene Spezialisten. Daher sind alternative kostengünstige, aber zuverlässige und valide Ansätze zur Differenzierung der Parodontitis-Diagnose im Stadium II-IV, insbesondere in öffentlichen Gemeinden, dringend erforderlich.

Die Orthopantomographie (OPG), auch Panoramaradiographie genannt, ist ein nicht-invasives und niedrig dosiertes Bildgebungsverfahren, das in einem einzigen Eingriff eine umfassende Sicht auf den maxillofazialen Bereich ermöglicht. Als extraorales Röntgenbild bietet es Vorteile bei der Bildaufnahme, insbesondere in Fällen, in denen Patienten Schwierigkeiten haben, den Mund zu öffnen oder einen ausgeprägten Würgereflex zeigen, der die Verwendung von intraoralen Filmen erschwert. Daher ist OPG wahrscheinlich die weltweit am häufigsten angefertigte Zahnröntgenaufnahme und könnte möglicherweise als wirksames Instrument zur Differenzierung von Parodontitis im Stadium II–IV in der Bevölkerung dienen. In jüngster Zeit wurden mehrere Untersuchungen durchgeführt, um OPG-Bilder zur Parodontitisdiagnose zu nutzen. Die Strategien dieser Studien basieren jedoch auf den radiologischen Anmerkungen für bestimmte Orientierungspunkte durch Kliniker, denen es möglicherweise an überzeugender Genauigkeit mangelt. Darüber hinaus könnten nur qualitativ hochwertige Röntgenaufnahmen eine wertvolle Ergänzung für die Parodontitis-Diagnose sein, sodass viele verfügbare OPG-Bilder mit der Überlagerung anatomischer Strukturen, unverhältnismäßiger Bildvergrößerung, Verzerrung und Unschärfe die Verallgemeinerung des entwickelten Systems beeinträchtigen könnten.

Künstliche Intelligenz (KI) hat sich in verschiedenen Bereichen der Medizin, einschließlich der Zahnmedizin, zu einem leistungsstarken Werkzeug entwickelt. KI-basierte Algorithmen, insbesondere Deep-Learning-Techniken, haben bemerkenswerte Fähigkeiten bei der Bildanalyse, Mustererkennung und Entscheidungsfindung gezeigt. In den letzten Jahren hat die Integration der KI-Technologie in die Zahnmedizin neue Möglichkeiten zur Verbesserung der Genauigkeit und Effizienz der Diagnose eröffnet. KI-basierte Algorithmen können möglicherweise einige Merkmale in OPG-Bildern erkennen, die für das menschliche Auge nicht wahrnehmbar sind, was die Erkennung geringfügiger Knochenverluste ermöglicht und eine genauere Diagnose des parodontalen Stagings ermöglicht.

Insbesondere haben die Ergebnisse unserer jüngsten Studie gezeigt, dass ein Hybridsystem, das KI-Algorithmen und klinisches Wissen kombiniert, eine gute Leistung bei der Differenzierung von Parodontitis im Stadium II–IV aufweist. Im Entwicklungsprozess dieses Hybridsystems wurden nur klinische Informationen von erfahrenen Spezialisten verwendet und es wurden keine radiologischen Anmerkungen verwendet. Trotz des vielversprechenden Potenzials des aus unserer ersten Untersuchung entwickelten Hybridsystems ist es wichtig, es in verschiedenen unabhängigen Populationen weiter zu trainieren und zu validieren, da eine aus einer Stichprobe abgeleitete Vorhersageregel in einer anderen Stichprobe/Population eine bessere Leistung erbringen könnte. Darüber hinaus ist davon auszugehen, dass die von verschiedenen Maschinen aufgenommenen OPG-Bilder einen großen Einfluss auf die Genauigkeit des entwickelten Hybridsystems haben können. Daher ist es logisch, eine multizentrische Studie durchzuführen, um verschiedene OPG-Bilder aus verschiedenen Zentren weltweit zu sammeln. Der Datensatz wird verwendet, um das Hybridsystem weiter zu trainieren und zu validieren, um seine Genauigkeit und Wirksamkeit bei der Parodontitis-Diagnose sicherzustellen.

In dieser Studie werden wir die diagnostischen Eigenschaften eines neuartigen KI-klinisch-basierten Hybridsystems (Indextest) mit einem Expertengremium (Referenzstandard) vergleichen. Experten werden alle Röntgenaufnahmen unabhängig beurteilen und eine Einigung erzielen, wenn zwischen ihnen Unstimmigkeiten festgestellt werden.