- Austria / Österreich
- Bośnia i Hercegowina / Босна и Херцеговина
- Bułgaria / България
- Chorwacja / Hrvatska
- Czechy i Słowacja / Česká republika & Slovensko
- Francja / France
- Niemcy / Deutschland
- Grecja / ΕΛΛΑΔΑ
- Włochy / Italia
- Holandia / Nederland
- nordycki / Nordic
- Polska / Polska
- Portugalia / Portugal
- Rumunia i Mołdawia / România & Moldova
- Słowenia / Slovenija
- Serbia i Czarnogóra / Србија и Црна Гора
- Hiszpania / España
- Szwajcaria / Schweiz
- indyk / Türkiye
- Wielka Brytania i Irlandia / UK & Ireland
COPENHAGEN, Dania: Badacze z Turcji zbadali stopień, w jakim algorytmy sztucznej inteligencji głębokiego uczenia (AI) są w stanie zidentyfikować stan przyzębia na podstawie dwuwymiarowych radiogramów zębów zgryzowych. Według badań, które zostały zaprezentowane 16 czerwca na EuroPerio10 w Kopenhadze, system AI jest w stanie zidentyfikować patologie przyzębia, które mogą przeoczyć dentyści.
Wcześniejsze badania sprawdzały zdolność sztucznej inteligencji do wykrywania próchnicy, złamań korzeni i zmian wierzchołkowych, ale tylko ograniczone badania dotyczyły zastosowania tej technologii w dziedzinie periodontologii, zgodnie z komunikatem prasowym EuroPerio10.
Badanie zostało przeprowadzone przez naukowców z Uniwersytetu Eskisehir Osmangazi w Eskisehir w Turcji i oceniło zdolność głębokiego uczenia, rodzaju sztucznej inteligencji, do określania stanu przyzębia na zdjęciach radiologicznych skrzydłowo-zgryzowych. W sumie wykorzystano 434 radiogramy zgryzowo-zgryzowe od pacjentów z zapaleniem przyzębia, a obrazy zostały zbadane przez splotową sieć neuronową i przez doświadczonego lekarza pod kątem całkowitej utraty kości wyrostka zębodołowego, utraty kości poziomej i pionowej, ubytków furkacji i kamienia wokół zębów szczęki i żuchwy .
W porównaniu z oceną klinicysty AI uzyskała wysokie wyniki zarówno pod względem czułości, jak i precyzji w identyfikacji całkowitej utraty kości wyrostka zębodołowego i utraty kości poziomej, ale nie była w stanie zidentyfikować pionowej utraty kości. Średnie ważone czułości i precyzji w identyfikacji kamienia nazębnego i wad furkacji w porównaniu z klinicystą wyniosły odpowiednio 0,82 i 0,66.
Dr Muhammet Burak Yavuz z Katedry Periodontologii uniwersyteckiej przedstawił wyniki podczas sesji EuroPerio10 „Diagnostyka periodontologiczna i postęp choroby” i skomentował, że chociaż potrzebne są dalsze badania, wyniki badań pokazują, że systemy sztucznej inteligencji mogą być wykorzystywane do oceny stanu zdrowia przyzębia. .
Dr Yavuz skomentował w komunikacie prasowym: „Nasze badanie pokazuje potencjał sztucznej inteligencji do automatycznego identyfikowania patologii przyzębia, które w innym przypadku mogłyby zostać przeoczone. Może to zmniejszyć narażenie na promieniowanie poprzez unikanie powtórnych ocen, zapobiec cichemu postępowi choroby przyzębia i umożliwić wcześniejsze leczenie”. Dodał, że wyniki pokazują, że „sztuczna inteligencja jest w stanie wykryć wiele rodzajów defektów z obrazów 2D, co może pomóc w diagnozowaniu zapalenia przyzębia”.
„Badanie to daje wgląd w przyszłość stomatologii, w której sztuczna inteligencja automatycznie ocenia obrazy i pomaga stomatologom we wcześniejszym diagnozowaniu i leczeniu chorób” – podsumował dr Yavuz.
pią. 26 kwietnia 2024
6:00 (CET) Warsaw
How you can access data-driven decision making
pon. 29 kwietnia 2024
6:30 (CET) Warsaw
Root caries: The challenge in today’s cariology
wto. 30 kwietnia 2024
7:00 (CET) Warsaw
Neodent Discovery: Neoarch Guided Surgery—from simple to complex cases
pią. 3 maja 2024
7:00 (CET) Warsaw
Osseointegration in extrēmus: Complex maxillofacial reconstruction & rehabilitation praeteritum, praesens et futurum
śro. 8 maja 2024
2:00 (CET) Warsaw
You got this! Diagnosis and management of common oral lesions
pią. 10 maja 2024
2:00 (CET) Warsaw
Empowering your restorative practice: A comprehensive guide to clear aligner integration and success
pon. 13 maja 2024
3:00 (CET) Warsaw
To post a reply please login or register