歯周病における歯槽骨の減少を検出するための人工知能モデルの有効性を評価する：A Panoramic Radiograph Study

Assessing the Effectiveness of Artificial Intelligence Models for Detecting Alveolar Bone Loss in Periodontal Disease: A Panoramic Radiograph Study.

抄録

歯根膜の重要な要素である歯槽骨欠損の評価は、歯周炎の診断や疾患の予後において重要な役割を担っています。歯科医療においては、人工知能（AI）の応用により、機械学習や人間の能力を模倣した認知的な問題解決機能を活用し、実用的かつ効率的な診断能力を発揮しています。本研究では、歯槽骨欠損の有無を異なる部位で識別する際のAIモデルの有効性を評価することを目的としています。この目的を達成するために、歯槽骨欠損モデルは、CranioCatchソフトウェアを介して実装されたPyTorchベースのYOLO-v5モデルを使用して生成され、685枚のパノラマX線写真で歯周骨欠損領域を検出し、分割法を使用してラベル付けした。一般的な評価の他に、サブ領域（切歯、犬歯、前歯、臼歯）に応じてモデルをグループ化し、的を絞った評価を行った。その結果、感度とF1スコアの値が最も低かったのは全歯槽骨欠損であり、最も高かったのは上顎切歯領域であることが明らかになりました。これは、人工知能が歯周骨喪失状況を評価する分析研究において高い可能性を持つことを示しています。限られたデータ量を考慮すると、この成功は、さらなる研究において、より包括的なデータセットを使用することによる機械学習の提供によって増加すると予測される。

The assessment of alveolar bone loss, a crucial element of the periodontium, plays a vital role in the diagnosis of periodontitis and the prognosis of the disease. In dentistry, artificial intelligence (AI) applications have demonstrated practical and efficient diagnostic capabilities, leveraging machine learning and cognitive problem-solving functions that mimic human abilities. This study aims to evaluate the effectiveness of AI models in identifying alveolar bone loss as present or absent across different regions. To achieve this goal, alveolar bone loss models were generated using the PyTorch-based YOLO-v5 model implemented via CranioCatch software, detecting periodontal bone loss areas and labeling them using the segmentation method on 685 panoramic radiographs. Besides general evaluation, models were grouped according to subregions (incisors, canines, premolars, and molars) to provide a targeted evaluation. Our findings reveal that the lowest sensitivity and F1 score values were associated with total alveolar bone loss, while the highest values were observed in the maxillary incisor region. It shows that artificial intelligence has a high potential in analytical studies evaluating periodontal bone loss situations. Considering the limited amount of data, it is predicted that this success will increase with the provision of machine learning by using a more comprehensive data set in further studies.