2023. 07. 10. - 09:20
Fogászat – 2D-ben is észleli a fogágybetegséget röntgenről a mesterséges intelligencia
Röngtensugarak értelmezésében is ígéretesnek tűnik a mesterséges intelligencia alkalmazása. Egy mélytanulási algoritmus sikeresen észleli a fogágybetegséget a segítségével.
Ígéretesnek látszik a mesterséges intelligencia (MI) a fogászati röntgensugarak értelmezése terén. Egy mélytanulási algoritmus sikeresen észreveszi a fogágybetegséget a 2D harapásos röntgenfelvételek áttekintésével – derült ki egy kutatásból, melyet az EuroPerio10-en, az Európai Parodontológiai Szövetség (EFP) szervezte parodontológiai és implantációs fogászati kongresszuson mutattak be.
„Tanulmányunk demonstrálja, hogy a mesterséges intelligencia képes automatikusan azonosítani azokat a parodontális patológiákat, amelyek egyébként kimaradnának - mondta dr. Burak Yavuz, a tanulmány szerzője, a törökországi Eskisehir Osmangazi Egyetem munkatársa. - Ez az ismételt felmérések kiküszöbölésével mérsékelheti a sugárterhelést, megakadályozhatja a parodontális betegség csendes progresszióját és lehetővé teszi a korábbi kezelést.”
Korábbi tanulmányok már vizsgálták a mesterséges intelligencia alkalmazását a fogszuvasodás, gyökértörések és az ún. apikális elváltozások kimutatására - ám a parodontológia területén korlátozottak a kutatások.
Fogászat – 2D-ben is észleli a fogágybetegséget röntgenről a mesterséges intelligencia
A fenti tanulmány azt értékelte, hogy a mély tanulás - amely egyfajta mesterséges intelligencia - mennyire képes meghatározni a parodontális állapotot a harapásos röntgenfelvételeken.
A vizsgálat során a kutatók 434 harapásos röntgenfelvételt használtak, amelyek fogágygyulladásban szenvedő betegektől származtak.
A képfeldolgozást az u-net architektúrával, a képek gyors és pontos szegmentálására használt konvolúciós neurális hálózattal végezték, de egy tapasztalt szakorvos szegmentációs módszerrel is értékelte a képeket.
A felmérések magukban foglalták az alsó és felső fogak körüli teljes, alveoláris csontvesztést, a horizontális csontvesztést, a függőleges csontvesztést, a furkációs hibákat, valamint a maxilláris és a mandibula fogak körüli fogkövet.
A neurális hálózat 859 alveoláris csontvesztést, 2215 horizontális csontvesztést, 340 függőleges csontvesztést, 108 furkációs defektust és 508 fogkővesztést azonosított.
A hibák azonosításában az algoritmus sikerét összehasonlították az orvos értékelésével - azokat érzékenységként, precizitásként és F1 pontszámként jelentették, amely az érzékenység és a precizitás súlyozott átlaga. Az érzékenység, a pontosság és az F1 pontszám tekintetében az 1 a legjobb érték, a 0 pedig a legrosszabb érték.
A teljes alveoláris csontvesztés érzékenysége, pontossága és F1 pontszáma 1, 0,94 és 0,96, a horizontális csontvesztés megfelelő értékei 1, 0,92 és 0,95 voltak - a mesterséges intelligencia azonban nem tudta azonosítani a vertikális csontvesztést.
A fogkő esetében az érzékenységi, precizitási és F1 pontszámok rendre 1,0, 0,7 és 0,82, a furkációs hibák esetében pedig 0,62, 0,71 és 0,66 számot mutattak.
„Tanulmányunk szemlélteti, hogy a mesterséges intelligencia sokféle hibát képes felismerni a 2D-s képekről, amelyek segíthetik a parodontitis diagnosztizálását. Átfogóbb vizsgálatokra van azonban szükség nagyobb adathalmazokon a modellek sikerének növelése és kiterjesztése érdekében, 3D röntgenfelvételekhez való felhasználásukhoz” – mondta dr. Yavuz.
Hozzátette: a tanulmány bepillantást nyújt a fogászat jövőjébe, ahol a mesterséges intelligencia automatikusan kiértékeli a képeket és segít a fogorvosoknak a betegségek korábbi diagnosztizálásában és kezelésében.
L.A.
