Искусственный интеллект позволяет интерпретировать рентгеновские снимки зубов

Согласно исследованию, представленному на EuroPerio10, ведущем мировом конгрессе по пародонтологии и имплантологии, организованном Европейской федерацией пародонтологии (EFP), алгоритм глубокого обучения успешно выявляет заболевания пародонта на 2D-рентгенограммах прикуса.

«Наше исследование показывает потенциал искусственного интеллекта (ИИ) для автоматического выявления пародонтальных патологий, которые в противном случае можно было бы пропустить», — сказал автор исследования доктор Бурак Явуз из Университета Эскишехир Османгази, Турция. «Это может снизить радиационное воздействие, избегая повторных обследований, предотвратить бессимптомное прогрессирование заболеваний пародонта и обеспечить более раннее лечение».

В предыдущих исследованиях изучалось использование ИИ для выявления кариеса, переломов корней и апикальных поражений, но исследования в области пародонтологии ограничены. В этом исследовании оценивалась способность глубокого обучения определять состояние пародонта на традиционных панорамных снимках.

В исследовании использованы 434 рентгенограммы пациентов с пародонтитом. Обработка изображений выполнялась с помощью архитектуры u-net, сверточной нейронной сети, используемой для быстрой и точной сегментации изображений. Опытный врач-специалист также оценивал изображения с помощью метода сегментации. Оценки включали полную потерю альвеолярной кости вокруг нижних и верхних зубов, горизонтальную потерю кости, вертикальную потерю кости, дефекты фуркации и зубной камень вокруг зубов верхней и нижней челюсти.

Нейронная сеть выявила 859 случаев потери альвеолярной кости, 2215 случаев горизонтальной потери кости, 340 случаев вертикальной потери кости, 108 дефектов фуркации и 508 случаев зубного камня. Успех алгоритма в выявлении дефектов сравнивался с оценкой врача и сообщался как чувствительность, точность и оценка F1, которая представляет собой средневзвешенное значение чувствительности и точности. Для чувствительности, точности и оценки F1 = 1 – наилучшее значение, а 0 – наихудшее.

Результаты чувствительности, точности и оценки F1 для полной потери альвеолярной кости составили 1, 0,94 и 0,96 соответственно. Соответствующие значения горизонтальной потери костной массы составили 1, 0,92 и 0,95 соответственно, в то время как ИИ не смог определить вертикальную потерю костной массы. Для зубного камня результаты чувствительности, точности и оценки F1 составили 1,0, 0,7 и 0,82 соответственно, а для дефектов фуркации соответствующие значения составили 0,62, 0,71 и 0,66 соответственно.

Доктор Явуз сказал: «Наше исследование показывает, что ИИ способен выявлять многие типы дефектов на 2D-изображениях, которые могут помочь в диагностике пародонтита. Требуются более всесторонние исследования на больших наборах данных, чтобы повысить эффективность моделей и расширить их использование в 3D-рентгенограммах».

Он пришел к выводу: «Это исследование позволяет заглянуть в будущее стоматологии, где ИИ автоматически оценивает изображения и помогает стоматологам диагностировать и лечить заболевания на более ранних этапах».

Источник: Европейская федерация пародонтологии (EFP)

https://medicalxpress.com/news/2022-06-artificial-intelligence-dental-x-...