Sztuczna inteligencja daje nadzieję na wykrywanie stanu przyzębia na radiogramach skrzydłowo-zgryzowych

Search Dental Tribune

Sztuczna inteligencja daje nadzieję na wykrywanie stanu przyzębia na radiogramach skrzydłowo-zgryzowych

E-Newsletter

The latest news in dentistry free of charge.

  • This field is for validation purposes and should be left unchanged.
Według badaczy z Turcji, algorytmy sztucznej inteligencji głębokiego uczenia są w stanie identyfikować patologie przyzębia na podstawie dwuwymiarowych radiogramów. (zdj.: Anna Jurkovska/Shutterstock)
Dental Tribune International

By Dental Tribune International

śro. 6 lipca 2022

save

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.

Leave a Reply

Your email address will not be published. Required fields are marked *

advertisement
advertisement