異なる歯内療法におけるX線写真の特徴を見つけるための人工知能手法の効率性 - システマティックレビュー

The efficiency of artificial intelligence methods for finding radiographic features in different endodontic treatments - a systematic review.

抄録

目的:

歯内療法を考慮したX線写真の特徴を見つけるためのAI手法の効率を評価すること。

OBJECTIVES: To assess the efficiency of AI methods in finding radiographic features in Endodontic treatment considerations.

材料と方法:

本レビューは、PRISMA ガイドラインと QUADAS 2 ツールに基づき実施した。歯内療法症例に関する文献を系統的に検索し、AIアルゴリズム（test）と従来の画像評価（control）を比較し、X線写真の特徴を発見した。検索は、PubMed、Scopus、Google Scholar、Cochrane libraryで実施した。歯科用X線を用いた歯内療法におけるAIや機械学習の利用に関する研究がインクルード基準であった。

MATERIAL AND METHODS: This review was based on the PRISMA guidelines and QUADAS 2 tool. A systematic search was performed of the literature on cases with endodontic treatments, comparing AI algorithms (test) versus conventional image assessments (control) for finding radiographic features . The search was conducted in PubMed, Scopus, Google Scholar and the Cochrane library. Inclusion criteria were studies on the use of AI and machine learning in endodontic treatments using dental X-rays.

結果:

最初の検索で1131件の論文が検索され，その中から24件が組み入れられた。報告されたサブカテゴリーは、歯根周囲病変、垂直歯根破折、歯根・根管形態の予測、小根尖孔の位置、歯の分割、歯内療法再治療の予測であった。評価されたX線写真の特徴は、ほとんどが歯根周囲の病変であった。また，モデルの学習には，1～3名の専門家の判断を参考にした研究がほとんどであった．また，学習させたニューラルネットワークモデルを他の手法と比較した研究は約半数であった．58%以上の研究で，何らかのバイアスがあった．

RESULTS: The initial search retrieved 1131 papers, from which 24 were included. High heterogeneity of the materials left out a meta-analysis.The reported subcategories were periapical lesion, vertical root fractures, predicting root/canal morphology, locating minor apical foramen, tooth segmentation and endodontic retreatment prediction. Radiographic features assessed were mostly periapical lesions. The studies mostly considered the decision of 1-3 experts as the reference for training their models. Almost half of the included materials campared their trained neural network model with other methods. More than 58% of studies had some level of bias.

結論:

AIベースのモデルは、異なる歯内療法におけるX線写真の特徴を見つけるのに有効であることが示されている。報告された精度の測定値は有望と思われるが、論文の多くは方法論的に偏っていた。

CONCLUSIONS: AI-based models have shown effectiveness in finding radiographic features in different endodontic treatments. While the reported accuracy measurements seem promising, the papers mostly were biased methodologically.