Dokładność hybrydowego systemu opartego na wiedzy klinicznej AI do wykrywania zapalenia przyzębia w obrazach OPG

Zapalenie przyzębia stanowi poważny problem zdrowia publicznego ze względu na jego wysoką częstość występowania na całym świecie, istotne skutki społeczno-ekonomiczne oraz znaczny wpływ na jakość życia jednostek. Jednakże zapalenie przyzębia w populacji pozostaje w dużej mierze niewykryte. Niezwykle istotne jest podnoszenie świadomości na temat zdrowia przyzębia i usprawnianie wczesnej diagnostyki zapalenia przyzębia, aby zapewnić szybką interwencję.

W Klasyfikacji Chorób Przyzębia i Wokół Implantów z 2018 roku wyróżnia się cztery stadia zapalenia przyzębia, począwszy od fazy początkowej (etap I) do fazy zaawansowanej (stadium IV). W stadiach II-IV niezbędne jest kompleksowe leczenie, w przeciwnym razie istnieje duże ryzyko utraty zęba lub nawet jego całkowitej utraty. Choć badania kliniczne uznawane są za złoty standard w określeniu stadium zapalenia przyzębia, jest to proces pracochłonny i czasochłonny, wymagający dużego doświadczenia specjalistów. Dlatego też bardzo potrzebne są alternatywne, opłacalne, ale niezawodne i uzasadnione metody różnicowania diagnozy zapalenia przyzębia w stadium II–IV, szczególnie w społecznościach publicznych.

Ortopantomografia (OPG), znana również jako radiografia panoramiczna, to nieinwazyjna technika obrazowania przy użyciu niskich dawek, która zapewnia kompleksowy obraz okolicy szczękowo-twarzowej podczas jednego zabiegu. Jako radiogram zewnątrzustny ma zalety w uchwyceniu obrazu, szczególnie w przypadkach, gdy pacjenci mają trudności z otwarciem ust lub wykazują wyraźny odruch wymiotny, który utrudnia stosowanie klisz wewnątrzustnych. Zatem OPG jest prawdopodobnie najczęściej wykonywanym zdjęciem rentgenowskim zębów na świecie i może potencjalnie służyć jako skuteczne narzędzie do różnicowania populacji przyzębia w stadium II-IV. Ostatnio przeprowadzono kilka badań mających na celu wykorzystanie obrazów OPG w diagnostyce chorób przyzębia. Jednakże strategie tych badań opierają się na adnotacjach radiograficznych dotyczących konkretnych punktów orientacyjnych sporządzonych przez klinicystów, którym może brakować przekonującej dokładności. Co więcej, jedynie zdjęcia rentgenowskie o wysokiej jakości mogłyby być cennym uzupełnieniem diagnostyki chorób przyzębia, dlatego duża ilość dostępnych obrazów OPG z nałożeniem struktur anatomicznych, nieproporcjonalnym powiększeniem obrazu, zniekształceniem i rozmyciem może zmniejszyć uogólnienie opracowanego systemu.

Sztuczna inteligencja (AI) stała się potężnym narzędziem w różnych dziedzinach medycyny, w tym w stomatologii. Algorytmy oparte na sztucznej inteligencji, w szczególności techniki głębokiego uczenia się, wykazały niezwykłe możliwości w zakresie analizy obrazu, rozpoznawania wzorców i podejmowania decyzji. W ostatnich latach integracja technologii sztucznej inteligencji w stomatologii otworzyła nowe możliwości zwiększenia dokładności i skuteczności diagnozy. Algorytmy oparte na sztucznej inteligencji mogą być w stanie rozpoznać w obrazach OPG pewne cechy, które są niedostrzegalne dla ludzkiego oka, umożliwiając wykrycie subtelnej utraty kości i dokładniejszą diagnozę stopnia zaawansowania przyzębia.

Warto zauważyć, że wyniki naszego ostatniego badania wykazały, że system hybrydowy łączący algorytmy sztucznej inteligencji i wiedzę kliniczną ma dobrą skuteczność w różnicowaniu zapalenia przyzębia w stadium II–IV. W procesie opracowywania tego hybrydowego systemu wykorzystano wyłącznie informacje kliniczne dostarczone przez doświadczonych specjalistów i nie zastosowano żadnych adnotacji radiograficznych. Pomimo obiecującego potencjału systemu hybrydowego opracowanego na podstawie naszego wstępnego badania, konieczne jest jego dalsze szkolenie i walidacja w różnych niezależnych populacjach, ponieważ reguła przewidywania wyprowadzona z jednej próbki może działać lepiej w innej próbie/populacji. Poza tym rozsądne jest założenie, że obrazy OPG wykonane z różnych maszyn mogą znacząco wpłynąć na dokładność opracowanego systemu hybrydowego. Dlatego logiczne jest przeprowadzenie wieloośrodkowego badania w celu zebrania różnych obrazów OPG z różnych ośrodków na całym świecie, a zbiór danych zostanie wykorzystany do dalszego szkolenia i walidacji systemu hybrydowego, zapewniając jego dokładność i skuteczność w diagnostyce chorób przyzębia.

W tym badaniu porównamy charakterystykę diagnostyczną nowatorskiego systemu hybrydowego opartego na klinicznej sztucznej inteligencji (test indeksowy) z panelem ekspertów (standard referencyjny). Eksperci niezależnie ocenią wszystkie zdjęcia rentgenowskie i osiągną porozumienie w przypadku wykrycia jakichkolwiek rozbieżności między nimi.