深層学習を使用した若い永久歯の微生物歯垢分析

歯垢は、細菌由来のポリマーと歯の表面に発生する唾液の内容物で構成されるマトリックスに埋め込まれた微生物群集として定義されます。 微生物の歯垢は、歯科洗浄後数秒以内に歯の表面に吸着され、機能的に持続します。 これらの分子は主に唾液とともに歯肉縁下溝の液体中に存在し、この領域での定着を示します。 歯肉炎および歯周炎の主な病因は細菌性プラークであり、歯肉組織の破壊および歯周付着を引き起こす可能性があります。 小児では、歯が生えた直後に口腔衛生が確立されておらず、定期的なブラッシング習慣が根付いていない場合、細菌性バイオフィルム層が口腔環境に関連する歯の表面および歯肉縁に定着し、歯肉の炎症を引き起こす可能性があります。

小児における歯周病の初期段階での早期発見と治療は臨床的に重要です。なぜなら、これらの症状は後期に悪化して有害な転帰を引き起こす可能性があるからです。 細菌性プラークは、小児の歯肉疾患の主な病因です。 患者が微生物性歯垢を特定して区別することは困難な場合があります。 歯垢は、歯周プローブおよび/または歯垢検出溶液を使用する日常的な臨床診療を通じて検出できます。 これらの方法は広く使用されていますが、主観的な結果が生じる可能性があります。 しかし、これらの評価方法は面倒で時間がかかり、非協力的な子供にとってはうまくいかない可能性があります。 さらに、微生物による歯垢検出に使用される歯垢検出溶液は、口腔粘膜や唇を一時的に着色する可能性があります。 文献には、微生物の歯垢を検出するためのレーザー誘起自家蛍光分光法や HIS 色空間などのデジタル画像分析も含まれています。 しかし、装置のコストが高いことや技術的な標準化などの欠点により、その使用は制限されています。

これらの理由から、この研究は、小児における微生物性歯垢の早期かつ正確な診断のための、手頃な価格で簡単にアクセスできる人工知能 (AI) モデルを開発することを目的としています。 このAIモデルの診断・検出性能を評価することで、さまざまな歯周病の予防や口腔衛生へのモチベーションの向上を目指します。

画像処理用の人工知能の進歩に伴い、歯科用カメラで撮影した画像内の歯垢を検出、セグメント化、定量化する研究が大幅に増加しています。 ある研究では、拡張 K 平均法機械学習アルゴリズムを使用して歯垢を検出することを試みました。 さらに、Mask R-CNN ベースの歯科保健モノのインターネット (IoT) プラットフォームが開発され、歯垢を含む 7 つの異なる口腔疾患を分類することができ、セグメンテーションではないものの、歯垢認識に関しては完璧な精度が実現されました。

U-Net モデルは生物医学画像処理の分野で成功し主流であると広く考えられていますが、U-Net とそのバリアントを使用した歯垢の分析に関する研究は文献にありません。 さらに、子供の若い永久歯の歯垢の分析に関する研究は見つかっていません。 したがって、この研究では、子供の若い永久歯の歯垢を予測する目的で、U-Net モデルのバリエーションを組み込んだ 6 つの最先端の人工知能モデルをトレーニングすることに努めています。 その後、彼らのパフォーマンスが綿密に要約され、包括的な分析のために提示されます。 最後に、最高のパフォーマンスを発揮するモデルの臨床的実現可能性を検証するために、AI モデルの予測と 3 人の歯科医からの評価を比較する統計的仮説検定が実行されます。