Artificial Intelligence to Assess Dental Findings from Panoramic Radiographs — A Multinational Study

要約

歯科用パノラマX線写真（DPR）は、包括的な口頭評価のために臨床診療で広く使用されていますが、解釈における構造と時間の制約が重複するための課題を提示しています。
この研究の目的は、DPRSの調査結果のAI AI-Automated評価のための強固なベースラインを確立し、AIシステムを評価し、多国籍データセット全体で人間の読者のパフォーマンスと比較することにより、そのパフォーマンスを比較することを目的としています。
8種類の歯科所見に焦点を当てて、3つのデータセット（オランダ、ブラジル、台湾）から6,669個のDPRを分析しました。
AIシステムは、歯あたりの検出識別のためのオブジェクト検出とセマンティックセグメンテーション技術を組み合わせました。
パフォーマンスメトリックには、受信機動作特性曲線（AUC-ROC）の下の感度、特異性、および面積が含まれます。
AIの一般化可能性はデータセット間でテストされ、パフォーマンスは人間の歯科診療者と比較されました。
AIシステムは、人間の読者に匹敵するまたは優れたパフォーマンスを実証しました。特に +67.9％（95％CI：54.0％-81.9％; P <.001）周囲放射性溶解度を特定するための感度と +4.7％（95％CI：1.4％-8.0.0 ％; p = .008）欠損歯を識別するための感度 AIは、8つの調査結果で96.2％（95％CI：94.6％-97.8％）のマクロ平均AUC-ROCを達成しました。 参照とのAI契約は、虫歯を除く8つの調査結果のうち7つの人間間協定に匹敵しました（p = .024）。 AIシステムは、多様なイメージングおよび人口統計設定にわたって堅牢な一般化を実証し、人間の読者よりも79倍速く（95％CI：75-82）画像を処理しました。 AIシステムは、DPRの所見を効果的に評価し、解釈時間を大幅に削減しながら、人間の専門家と同等またはそれ以上のパフォーマンスを達成しました。 これらの結果は、AIを臨床ワークフローに統合して診断効率と精度、患者管理を改善する可能性を強調しています。

要約(オリジナル)

Dental panoramic radiographs (DPRs) are widely used in clinical practice for comprehensive oral assessment but present challenges due to overlapping structures and time constraints in interpretation. This study aimed to establish a solid baseline for the AI-automated assessment of findings in DPRs by developing, evaluating an AI system, and comparing its performance with that of human readers across multinational data sets. We analyzed 6,669 DPRs from three data sets (the Netherlands, Brazil, and Taiwan), focusing on 8 types of dental findings. The AI system combined object detection and semantic segmentation techniques for per-tooth finding identification. Performance metrics included sensitivity, specificity, and area under the receiver operating characteristic curve (AUC-ROC). AI generalizability was tested across data sets, and performance was compared with human dental practitioners. The AI system demonstrated comparable or superior performance to human readers, particularly +67.9% (95% CI: 54.0%-81.9%; p < .001) sensitivity for identifying periapical radiolucencies and +4.7% (95% CI: 1.4%-8.0%; p = .008) sensitivity for identifying missing teeth. The AI achieved a macro-averaged AUC-ROC of 96.2% (95% CI: 94.6%-97.8%) across 8 findings. AI agreements with the reference were comparable to inter-human agreements in 7 of 8 findings except for caries (p = .024). The AI system demonstrated robust generalization across diverse imaging and demographic settings and processed images 79 times faster (95% CI: 75-82) than human readers. The AI system effectively assessed findings in DPRs, achieving performance on par with or better than human experts while significantly reducing interpretation time. These results highlight the potential for integrating AI into clinical workflows to improve diagnostic efficiency and accuracy, and patient management.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google