Egy mesterséges intelligencia-klinikai tudásalapú hibrid rendszer pontossága a parodontitis kimutatására OPG képeken

A parodontitis világszerte nagy elterjedtsége, jelentős társadalmi-gazdasági hatásai és az egyének életminőségére gyakorolt ​​jelentős hatása miatt jelentős népegészségügyi probléma. A népességben a parodontitis azonban nagyrészt felderítetlen marad. Kulcsfontosságú a fogágy egészségével kapcsolatos tudatosság felkeltése és a parodontitis korai diagnosztizálásának javítása az időben történő beavatkozás érdekében.

A 2018-as periodontális és periimplantációs betegségek és állapotok osztályozása a periodontitis négy szakaszát határozza meg, a kezdeti szakasztól (I. stádium) az előrehaladott stádiumig (IV. szakasz). A II-IV. szakaszban az átfogó kezelési eljárások elengedhetetlenek, különben nagy a fogak vagy akár a teljes fogvesztés kockázata. Bár a klinikai vizsgálatot tekintik arany standardnak a parodontitis stádiumának meghatározásában, a folyamat fáradságos és időigényes, nagy tapasztalattal rendelkező szakembereket igényel. Ezért nagy szükség van alternatív költséghatékony, de megbízható és érvényes megközelítésekre a II-IV. stádiumú parodontitis diagnózisának megkülönböztetésére, különösen az állami közösségekben.

Az ortopantomográfia (OPG), más néven panoráma radiográfia, egy non-invazív és alacsony dózisú képalkotó technika, amely egy eljárás során átfogó képet ad a maxillofacialis régióról. Extraorális röntgenfelvételként előnyökkel jár a kép rögzítésében, különösen olyan esetekben, amikor a betegek nehezen tudják kinyitni a szájukat, vagy kifejezett öklendezési reflexet mutatnak, amely akadályozza az intraorális filmek használatát. Így az OPG valószínűleg a leggyakrabban készített fogászati ​​röntgenfelvétel a világon, és potenciálisan hatékony eszközként szolgálhat a II-IV. stádiumú parodontitis megkülönböztetésére a populációkban. A közelmúltban számos vizsgálatot végeztek OPG-képek felhasználásával a parodontitis diagnosztizálására. Ezeknek a tanulmányoknak a stratégiái azonban a klinikusok meghatározott tereptárgyak radiográfiás annotációira támaszkodnak, amelyek nem feltétlenül pontosak. Továbbá csak a jó minőségű röntgenfelvételek jelenthetnek értékes adalékot a parodontitis diagnosztizálásához, így sok elérhető OPG kép anatómiai struktúrák egymásra épülésével, aránytalan képnagyítással, torzítással és elmosódással csökkentheti a kialakult rendszer generalizációját.

A mesterséges intelligencia (AI) hatékony eszközzé vált az orvostudomány különböző területein, beleértve a fogászatot is. Az AI-alapú algoritmusok, különösen a mély tanulási technikák, figyelemre méltó képességeket mutattak a képelemzés, mintafelismerés és döntéshozatal terén. Az elmúlt években az AI technológia integrálása a fogászatba új utakat nyitott a diagnózis pontosságának és hatékonyságának javítására. A mesterséges intelligencia alapú algoritmusok képesek lehetnek felismerni az OPG-képek egyes olyan jellemzőit, amelyek az emberi szem számára észrevehetetlenek, lehetővé téve a finom csontvesztés kimutatását és a periodontális stádium meghatározásának pontosabb meghatározását.

Nevezetesen, a közelmúltban végzett tanulmányunk eredményei feltárták, hogy az AI algoritmusokat és a klinikai ismereteket ötvöző hibrid rendszer jó teljesítményt nyújt a II-IV. stádiumú parodontitis megkülönböztetésében. Ennek a hibrid rendszernek a fejlesztése során csak tapasztalt szakemberek által szolgáltatott klinikai információkat használtak fel, radiográfiás annotációkat nem alkalmaztak. A kezdeti vizsgálatunkból kifejlesztett hibrid rendszer ígéretes potenciálja ellenére elengedhetetlen annak további képzése és validálása különböző független populációkban, mert az egyik mintából származó előrejelzési szabály jobban teljesíthet egy másik mintában/populációban. Emellett joggal feltételezhető, hogy a különböző gépekről készült OPG képek nagymértékben befolyásolhatják a kifejlesztett hibrid rendszer pontosságát. Ezért logikus egy többközpontú vizsgálat elvégzése a különböző OPG-képek gyűjtésére a világ különböző központjaiból, és az adatkészletet felhasználják a hibrid rendszer további képzésére és validálására, biztosítva annak pontosságát és hatékonyságát a parodontitis diagnózisában.

Ebben a tanulmányban egy új, mesterséges intelligencia-klinikai alapú hibrid rendszer (Index teszt) diagnosztikai jellemzőit hasonlítjuk össze egy szakértői testülettel (referenciaszabvány). A szakértők függetlenül értékelik az összes röntgenfelvételt, és megegyezésre jutnak, ha eltérést találnak közöttük.