Analiza mikrobiologiczna płytki nazębnej w młodych zębach stałych przy użyciu głębokiego uczenia się

Płytkę nazębną definiuje się jako społeczność drobnoustrojów osadzoną w matrycy złożonej z polimerów pochodzących z bakterii i śliny powstającej na powierzchni zębów. Mikrobiologiczna płytka nazębna adsorbuje się na powierzchni zęba w ciągu kilku sekund po czyszczeniu zębów i pozostaje funkcjonalna. Cząsteczki te występują przede wszystkim w płynie bruzdy poddziąsłowej wraz ze śliną i wykazują osadzanie się w tym obszarze. Głównym czynnikiem etiologicznym zapalenia dziąseł i przyzębia jest płytka bakteryjna, która może prowadzić do zniszczenia tkanki dziąseł i przyczepu przyzębia. U dzieci, jeśli bezpośrednio po wyrznięciu się zębów nie zostanie zapewniona higiena jamy ustnej i nie zostanie wpojone regularne nawyk szczotkowania, warstwa biofilmu bakteryjnego może osadzać się na powierzchniach zębów i brzegach dziąseł związanych ze środowiskiem jamy ustnej, inicjując zapalenie dziąseł.

Wczesne wykrywanie i leczenie chorób przyzębia u dzieci w początkowej fazie ma znaczenie kliniczne, gdyż schorzenia te mogą się nasilać i prowadzić do niekorzystnych następstw w późniejszych okresach. Płytka bakteryjna jest głównym czynnikiem etiologicznym chorób dziąseł u dzieci. Identyfikacja i rozróżnienie mikrobiologicznej płytki nazębnej przez pacjentów może stanowić wyzwanie. Płytki nazębne można wykryć w ramach rutynowej praktyki klinicznej przy użyciu sond periodontologicznych i/lub roztworów ujawniających płytkę nazębną. Chociaż metody te są szeroko stosowane, mogą dawać subiektywne wyniki. Jednakże te metody oceny mogą być kłopotliwe, czasochłonne i nieskuteczne w przypadku dzieci niechętnych do współpracy. Ponadto roztwory ujawniające płytkę nazębną stosowane do wykrywania drobnoustrojów nazębnych mogą tymczasowo plamić błonę śluzową jamy ustnej i warg. Literatura obejmuje również analizy obrazowania cyfrowego, takie jak spektroskopia autofluorescencyjna indukowana laserem i przestrzeń barw HIS do wykrywania mikrobiologicznej płytki nazębnej. Jednakże wady, takie jak wysoki koszt sprzętu i standaryzacja techniczna, ograniczają ich zastosowanie.

Z tych powodów celem tego badania jest opracowanie niedrogiego i łatwo dostępnego modelu sztucznej inteligencji (AI) umożliwiającego wczesną i dokładną diagnostykę mikrobiologicznej płytki nazębnej u dzieci. Celem jest zapobieganie różnym problemom przyzębia i zapewnienie motywacji do higieny jamy ustnej poprzez ocenę skuteczności diagnostyki i wykrywania tego modelu sztucznej inteligencji.

Wraz z postępem sztucznej inteligencji w przetwarzaniu obrazu, znacznie wzmogły się badania nad wykrywaniem, segmentacją i oznaczaniem ilościowym płytki nazębnej na obrazach zarejestrowanych przez kamery dentystyczne. W jednym badaniu podjęto próbę wykrycia płytki nazębnej przy użyciu algorytmu uczenia maszynowego Enhanced K-Means. Ponadto opracowano platformę Internetu rzeczy (IoT) dotyczącą zdrowia zębów, opartą na Mask R-CNN, w celu klasyfikowania siedmiu różnych chorób jamy ustnej, w tym płytki nazębnej, z doskonałą dokładnością rozpoznawania płytki nazębnej, ale nie segmentacji.

Chociaż model U-Net jest powszechnie uważany za skuteczny i główny nurt w dziedzinie przetwarzania obrazów biomedycznych, w literaturze nie ma badań dotyczących analizy płytki nazębnej za pomocą U-Net i jego wariantów. Ponadto nie natrafiono na badania dotyczące analizy płytki nazębnej w młodych zębach stałych dzieci. Dlatego też w niniejszym badaniu podjęto próbę wyszkolenia sześciu najnowocześniejszych modeli sztucznej inteligencji, obejmujących odmiany modelu U-Net, w celu przewidywania płytki nazębnej u młodych zębów stałych dzieci. Następnie ich wyniki są skrupulatnie podsumowywane i przedstawiane do wszechstronnej analizy. Na koniec, aby potwierdzić kliniczną wykonalność najskuteczniejszego modelu, przeprowadza się testy hipotez statystycznych, które porównują przewidywania modelu AI z ocenami trzech dentystów.