Глубокое обучение для выявления кариеса: систематический обзор

Цель: Выявление кариозных поражений представляет сложность для стоматологов, а модели глубокого обучения могут помочь повысить точность и надёжность диагностики. Целью исследования был систематический обзор работ, посвящённых применению глубокого обучения для выявления кариеса.

Материалы: В обзор включали исследования диагностической точности, в которых модели глубокого обучения применяли к стоматологическим изображениям, включая рентгенограммы, фотографии, изображения оптической когерентной томографии и изображения, полученные методом трансиллюминации в ближнем инфракрасном диапазоне. Для оценки риска систематической ошибки использовали последнюю версию инструмента оценки качества исследований диагностической точности QUADAS-2. Метаанализ не проводили из-за неоднородности методов исследований и показателей эффективности.

Источники: Поиск публикаций, вышедших после 2010 года, без языковых ограничений проводили в базах данных Medline через PubMed, Google Scholar, Scopus и Embase, а также в репозитории ArXiv.

Отбор исследований: Из 252 потенциально подходящих публикаций 48 оценили по полнотекстовым версиям, а 42 включили в обзор. В них использовали модели классификации (n = 26), обнаружения объектов (n = 6) или сегментации (n = 10). Применялся широкий спектр показателей эффективности; точность на уровне изображения, объекта или пикселя составляла 68–99%. Только в небольшом числе исследований (n = 11) был выявлен низкий риск систематической ошибки по всем доменам; в 13 исследованиях (31,0%) отмечен низкий риск проблем с применимостью результатов. Точность моделей классификации кариеса варьировала от 71 до 96% для внутриротовых фотографий, от 82 до 99,2% для периапикальных рентгенограмм, от 87,6 до 95,4% для прикусных рентгенограмм, от 68,0 до 78,0% для изображений, полученных методом трансиллюминации в ближнем инфракрасном диапазоне, от 88,7 до 95,2% для изображений оптической когерентной томографии и от 86,1 до 96,1% для панорамных рентгенограмм. Объединённые отношения диагностических шансов варьировали от 2,27 до 32 767. Для моделей обнаружения и сегментации полезное объединение результатов было невозможно из-за неоднородности представления данных.

Выводы: Число исследований, посвящённых выявлению кариеса с помощью глубокого обучения, растёт; в них применяют разнообразные архитектуры моделей. Представленная точность выглядит многообещающей, однако качество исследований и отчётности в настоящее время остаётся низким.

Клиническая значимость: Модели глубокого обучения можно рассматривать как вспомогательный инструмент при принятии решений о наличии или отсутствии кариозных поражений.