Подход на основе глубокого обучения для планирования дентальной имплантации на изображениях конусно-лучевой компьютерной томографии

Введение: Целью исследования была оценка эффективности системы искусственного интеллекта при планировании имплантации по трёхмерным изображениям конусно-лучевой компьютерной томографии.

Методы: В исследование включили 75 изображений конусно-лучевой компьютерной томографии. На этих изображениях один наблюдатель вручную оценивал высоту и толщину кости в 508 зонах, где требовалась установка имплантатов, с помощью программы InvivoDental 6.0 (Anatomage Inc., San Jose, CA, USA). Также выявляли каналы, пазухи и ямки, связанные с альвеолярной костью и областями отсутствующих зубов. Затем все оценки повторили с использованием глубокой сверточной нейронной сети (Diagnocat, Inc., San Francisco, USA). Челюсти разделили на нижнюю и верхнюю, а каждую челюсть — на фронтальный, премолярный и молярный отделы. Полученные при ручной оценке и с помощью ИИ данные сравнивали с использованием анализа Бланда — Альтмана и критерия знаковых рангов Уилкоксона.

Результаты: При измерении высоты кости статистически значимых различий между ИИ и ручными измерениями не было в премолярном отделе нижней челюсти и в премолярном и молярном отделах верхней челюсти (p > 0,05). При измерении толщины кости статистически значимые различия между ИИ и ручными измерениями были во всех отделах верхней и нижней челюсти (p < 0,001). Точность правильного выявления составила 72,2% для каналов, 66,4% для пазух/ямок и 95,3% для областей отсутствующих зубов.

Выводы: Разработка систем ИИ и их использование в будущем для планирования имплантации упростят работу врачей и станут вспомогательным инструментом в имплантологической практике.