Kunstig intelligensbasert program for å klassifisere munnhulefunn basert på klinisk bildeanalyse

Tidlig diagnose av orale lesjoner, spesielt munnhulekreft, er avgjørende for å forbedre prognosen, lette tidlig intervensjon og omsorg med den hensikt å redusere sykdomsrelatert dødelighet.

Siden konvensjonell oral undersøkelse (COE) er den mest brukte metoden for å identifisere orale lesjoner, er den gjennomsnittlige tannlegens erfaring en avgjørende faktor for tidlig diagnose.

Visuell undersøkelse mangler spesifisitet og sensitivitet siden den er svært subjektiv. Dessverre viser studier at flertallet av tannleger mangler ekspertise på tidlig oppdagelse av sykdommen, noe som resulterer i falsk negativ diagnose av orale lesjoner.

Allmennleger viser seg å enten utsette henvisningen av en mistenkt oral lesjon til en oralmedisinspesialist, eller henvise en rekke falske positive tilfeller, unødvendig å presse pasientene inn i en tilstand av angst og kreftfobi. Falske positive henvisninger overbelaster spesialistene, noe som til slutt vil føre til forsinket diagnose av sanne positive tilfeller på grunn av overmetningen med falske positive.

omfanget av diagnostisk forskning skifter mot ikke-invasive, lenestolsidemetoder med høyere nøyaktighet for tidlig påvisning av orale lesjoner. Nyere tilnærminger til bruk av maskinbaserte programmer indikerer at denne maskinlæringsmetoden kan være nyttig ved påvisning og diagnostisering av munnhulekreft.