自撮り口腔内写真を用いた歯周病の人工知能評価

この研究の最初の部分では、Prince Philip Dental Hospital (PPDH) を訪れた 300 人の患者から、口腔内写真と臨床歯肉指数の口腔ビューを収集します。 これらの口腔内写真は、標準化された方法で装置 (Scanbox) を取り付けたスマートフォン (iphone) を使用して患者によって撮影され、臨床スタッフによって品質が監督されます。 臨床ガム指数は、訓練を受け、校正された臨床スタッフによって取得されます。 あるいは、経験豊富な臨床医が臨床写真を評価して、炎症を起こした/健康な歯茎を特定することもできます。 この合成データセットをニューラルネットワークにインポートして、炎症を起こしたガムと健康なガムの画像特性を学習し、コンピューターをトレーニングします。

この研究の第 2 部では、150 人の歯肉炎患者を募集し、標準化された口腔内写真と臨床歯肉指数を使用して、PPDH での歯肉治療前後の歯肉状態を縦断的に追跡します。 臨床歯茎指数は、歯茎の状態の変化を反映するゴールド スタンダードです。

収集されたすべての写真はコンピューター (ソフトウェア: MatLab) によって分析され、歯茎の状態のスクリーニングとモニタリングに役立つ重要な機能が特定されます。 次に、特定された機能を定量化するプログラムを構築するためにデータが収集されます。これには、次のものが含まれる場合があります。

1. 辺縁歯肉組織の色
2. 辺縁歯肉組織の質感
3. 臨床歯肉指数を参照した辺縁歯肉組織の体積。

データとサンプル サイズの分析: コンピューターは、この研究のパート I で得られた写真と臨床指標/評価でトレーニングされます。 トレーニングされたコンピューターは、写真のみに基づいて、この研究のパート II で患者の歯周状態の変化を監視するために使用されます。 感度 (真の疾患の検出)、特異度 (真の健康状態の検出)、およびこれらの曲線の下の領域 (ゴールド スタンダードの臨床ガム インデックスを参照) が計算され、この研究の主な結果となります。 コンピューターのトレーニングは継続的なプロセスであり、感度、特異度、およびこれらの曲線の下の領域 (AUC) がプラトー (飽和) に達すると、エンドポイントが来ます。 したがって、この研究のパート I では、コンピュータのトレーニングを 100、200、300 のケースの 3 つのフレーズに分けて、感度、特異度、および AUC の変化を観察します。

スマートフォンのセルフィーの使用に関する患者報告のアウトカムは、二次アウトカムとしてビジュアル アナログ スケール (VAS) に記録されます。

サンプル サイズの決定: 各歯は 1 単位を表し、各被験者が 20 本の歯を持っていると仮定すると、300 人の被験者 X 20 本の歯 = トレーニング用の 6000 単位以上になります。 パート 2 の研究では、150 人の被験者が募集され、コンピューターのテストのために 130X20=2600 ユニットが使用されます。

プリンス フィリップ デンタル ホスピタルに通うすべての新規患者は、臨床検査によって歯茎の炎症と歯周病のスクリーニングを受けます。

基本的な歯周検査（BPE、目視検査と歯肉の機械的検査を含む）は、それらすべてに対して実行され、重症度に応じて患者のケアのために学部生に割り当てられます。

コンピュータの記録は、歯茎の炎症 (BPE スコア 2) の患者を検索できます。 データの取り扱い すべてのデータは、品質をチェックするために非混合メンバー (YHL) によってレビューされ続けます。 研究結果に関連するデータのみが開示されます。 すべてのデータは、研究が終了してからさらに 2 年間保管されます。 その後、データは完全に破壊されます。 主治医は、研究中および研究後に個人データにアクセスできます。