人工知能は二次カリエスの検出においてデジタルバイトウイングに匹敵する

虫歯は、硬い歯の組織が破壊される慢性疾患です。 これは多因子疾患であり、特に隠れている場合や初期段階では診断されないことがよくあります。 空洞化していない病変を検出することは、早期の管理にとって非常に重要です。 標準的な視覚触覚検査では、近位領域や修復物の下など、届きにくい表面の初期病変を特定できないことがよくあります。 効果的な治療を実施し、最適な結果を達成するには、隣接部う蝕を早期に検出することが重要です。 近位表面の初期病変を検出し、その範囲を評価するための一般的な補助方法は、バイトウィング X 線撮影です。 日常的な診断アプローチは、臨床検査と X 線写真による評価を組み合わせたものです。 近位二次う蝕の検出率を高めるために、専門家は視覚検査と臨床検査をバイトウィング X 線撮影と統合することを推奨しています。 口腔内のバイトウィング X 線写真は、フィルム センサーまたはデジタル センサーを使用して撮影できますが、患者の被ばく量の減少、時間の節約、画像の強調、画像の保存、検索、送信の容易さなどの利点があるため、デジタル システムが好まれます。 早期病変の検出には視覚触覚評価よりも感度が高いものの、バイトウィングの評価には検査者間のばらつきが大きく、偽陽性または偽陰性の検出がかなりの割合で含まれます。 最近の文献では、人間の認知能力を模倣できる機械の開発に焦点を当てたコンピューターサイエンスの分野である人工知能 (AI) を、歯科 (デジタル X 線撮影) 画像を使用して虫歯病変を検出する診断ツールとして使用することが検討されています。 AI テクノロジーの進歩に伴い、AI ベースのモデルの診断パフォーマンスを検証する研究が増えており、診断プロセスを強化するために AI のような信頼性の高いツールを作成することの重要性が強調されています。 数多くの研究で、バイトウィング X 線写真 (BWR) に重点を置いて、さまざまなタイプの歯科 X 線写真に対する AI モデルのパフォーマンスが評価されています。 AI は、虫歯の検出、歯内療法と診断、歯周の問題、口腔病変の病理の検出など、口腔および歯の健康におけるさまざまな用途に使用されています。 さまざまな検査者による咬翅レントゲン写真からのう蝕診断の参照データセットを使用してこのベンチマークが作成されました。このベンチマークは、AI モデルの診断パフォーマンスを人間の検査者と比較するための重要なツールとして機能し、AI が歯科診断にもたらす精度と信頼性の潜在的な向上を強調しています。