歯槽神経損傷と有歯顎第三大臼歯の抜歯難易度の予測：ディープラーニングアプローチのシステマティックレビュー

Predicting alveolar nerve injury and the difficulty level of extraction impacted third molars: a systematic review of deep learning approaches.

抄録

背景:

一般的な歯科処置である第三大臼歯の抜歯は、歯槽神経損傷などの合併症を伴うことが多い。抜歯の難易度と神経損傷のリスクを術前に正確に評価することは、より良い手術計画と患者の転帰のために極めて重要である。近年のディープラーニング（DL）の進歩により、パノラマX線写真（PR）画像を用いた予測精度を高める可能性が示されている。本系統的レビューでは、第三大臼歯の抜歯難易度と下歯槽神経（IAN）損傷リスクを予測するためのDLモデルの精度と信頼性を評価した。

BACKGROUND: Third molar extraction, a common dental procedure, often involves complications, such as alveolar nerve injury. Accurate preoperative assessment of the extraction difficulty and nerve injury risk is crucial for better surgical planning and patient outcomes. Recent advancements in deep learning (DL) have shown the potential to enhance the predictive accuracy using panoramic radiographic (PR) images. This systematic review evaluated the accuracy and reliability of DL models for predicting third molar extraction difficulty and inferior alveolar nerve (IAN) injury risk.

方法:

2024年9月まで、PubMed、Scopus、Web of Science、Embaseにおいて、PR画像を用いた抜歯の複雑性とIAN損傷の予測に関するDLモデルを評価する研究を中心に系統的検索を行った。組み入れ基準として、予測性能指標を報告する研究を求めた。研究の選択、データ抽出、および質の評価は、PRISMAおよびQUADAS-2ガイドラインを用いて2人の著者が独立して行った。

METHODS: A systematic search was conducted across PubMed, Scopus, Web of Science, and Embase until September 2024, focusing on studies assessing DL models for predicting extraction complexity and IAN injury using PR images. The inclusion criteria required studies to report predictive performance metrics. Study selection, data extraction, and quality assessment were independently performed by two authors using the PRISMA and QUADAS-2 guidelines.

結果:

12,419件のPR画像を含む6件の研究が組み入れ基準を満たした。DLモデルは、抜去困難度（最大96％）およびIAN損傷（最大92.9％）の予測において高い精度を示し、水平衝突などの特定の分類については顕著な感度（最大97.5％）を示した。地理的には、3件の研究が韓国で、トルコとタイでそれぞれ1件ずつ行われたため、一般化には限界があった。精度が高いにもかかわらず、人口統計学的データはほとんど報告されておらず、患者の性別分布を示した研究は2件のみであった。

RESULTS: Six studies involving 12,419 PR images met the inclusion criteria. DL models demonstrated high accuracy in predicting extraction difficulty (up to 96%) and IAN injury (up to 92.9%), with notable sensitivity (up to 97.5%) for specific classifications, such as horizontal impactions. Geographically, three studies originated in South Korea and one each from Turkey and Thailand, limiting generalizability. Despite high accuracy, demographic data were sparsely reported, with only two studies providing patient sex distribution.

結論:

DLモデルは、第三大臼歯抜歯の術前評価を改善する上で有望である。しかし、限定的な一般化可能性、潜在的な選択バイアス、長期フォローアップの欠如などの限界が課題として残るため、実世界での有用性を確立するためには、多様な集団でのさらなる検証と臨床ワークフローとの統合が必要である。

CONCLUSION: DL models show promise in improving the preoperative assessment of third molar extraction. However, further validation in diverse populations and integration with clinical workflows are necessary to establish its real-world utility, as limitations such as limited generalizability, potential selection bias and lack of long-term follow up remain challenges.