Применение искусственного интеллекта для определения костного возраста у здоровых людей: обзор литературы по методологии scoping review

Введение: Оценка костного возраста как показателя биологического возраста широко применяется в ортодонтии и детской эндокринологии. Из-за значительной вариабельности результатов ручной оценки важную роль в этой области играют искусственный интеллект (ИИ), машинное обучение и глубокое обучение. Проведён обзор литературы по методологии scoping review, посвящённый применению ИИ, машинного и глубокого обучения для оценки скелетного или костного возраста у здоровых людей.

Методы: Поиск публикаций за период с января 2012 года по декабрь 2022 года проводили в базах PubMed, Scopus и Web of Science в соответствии с рекомендациями PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses — Extension for Scoping Reviews) и руководством Института Джоанны Бриггс. Серую литературу искали с помощью Google Scholar и OpenGrey. Дополнительно вручную просматривали публикации во всех авторитетных ортодонтических журналах и списки литературы включённых статей, чтобы выявить релевантные работы.

Результаты: Критериям включения соответствовали 19 статей. В десяти исследованиях для оценки скелетного возраста использовали показатели зрелости скелета по рентгенограммам кисти и запястья, в двух — магнитно-резонансную томографию, в семи — показатели зрелости шейных позвонков по боковым телерентгенограммам. Большинство исследований опубликовано в медицинских журналах, не специализирующихся на ортодонтии. Чаще всего для оценки костного возраста использовали автоматизированное программное обеспечение BoneXpert, реже — модели глубокого и машинного обучения. По надёжности автоматизированный метод не уступал ручному.

Выводы: Обзор подтвердил применимость ИИ, машинного и глубокого обучения для оценки костного возраста. Для повышения качества обучения моделей и обобщения результатов на целевую популяцию необходимы достаточные выборки с равномерным распределением участников по стадиям созревания, а также использование трёхмерных данных, например магнитно-резонансной и конусно-лучевой компьютерной томографии.