Недавнее исследование, проведённое группой учёных из Ирана, продемонстрировало, что искусственный интеллект (ИИ) может стать значительным подспорьем в области диагностики вертикального несоответствия протезных коронок на дентальных имплантатах. ИИ не только эффективно справился с этой задачей, но и показал результаты, сопоставимые с работой опытных клиницистов.
Вертикальное несоответствие – распространённая проблема, которая может привести к различного рода осложнениям, в частности, к воспалению, потере костной ткани, расшатыванию и даже отторжению имплантата. Традиционно диагностика таких несоответствий основывается на визуальной оценке рентгенографических изображений, требует высокой квалификации от стоматолога, занимает значительное время, а её финальный результат зачастую зависит от опыта специалиста.
Учёные предположили, что внедрение ИИ в эту область может существенно упростить и ускорить процесс диагностики, снизив при этом вероятность человеческой ошибки. В исследовании были использованы две модели глубокого обучения, сочетающие статистику и математику с архитектурой нейронной сети: ResNet-50 и U-Net.
ResNet-50 применялась для классификации снимков на наличие или отсутствие вертикального несоответствия, а U-Net – для сегментации области несоответствия. Всего было проанализировано 638 периапикальных рентгеновских снимков: 70% изображений были выделены для обучения, а оставшиеся 30% использовались для проверки и тестирования.
ИИ vs стоматологов
Результаты исследования впечатлили учёных: обе модели оказались способны эффективно обнаруживать и сегментировать области вертикального несоответствия на периапикальных рентгенограммах, демонстрируя точность и достоверность, сопоставимые с интерпретацией опытных стоматологов.
Чувствительность и специфичность для ИИ составили 90,3% и 93,8% соответственно по сравнению с 90,1% и 95,1% для стоматологов.
Коэффициент Дайса (показатель меры сходства) для ResNet-50 составил 88,9%, что оказалось близко к результатам, достигнутым стоматологами (89,5%). Модель U-Net тоже продемонстрировала высокую точность сегментации – 0,98.
Исследователи обращают внимание, что статистический анализ не выявил значимых различий между средними показателями эффективности ИИ и стоматологов (p > 0,05). По их мнению, это означает, что ИИ может стать надежным инструментом для поддержки клинических решений, особенно в случаях, когда требуется быстрая и точная диагностика.
Учёные сделали вывод, что ИИ может стать ценным инструментом в диагностике вертикального несоответствия протезных коронок на дентальных имплантатах, и важным шагом на пути к автоматизации диагностических процессов. Для практикующих стоматологов это означает лишь одно: в ближайшем будущем они смогут использовать ИИ как надежного помощника, который не только повысит точность диагностики, но и сократит время, необходимое для анализа рентгенограмм. Это особенно важно в условиях растущей врачебной нагрузки и необходимости повышения качества медицинских услуг.