Kunstig intelligens til diagnostik af apikale opklaringer
En forskergruppe med tilknytning til Aarhus Universitet har anvendt kunstig intelligens til radiologisk diagnostik af apikale opklaringer og sammenlignet systemets træfsikkerhed med tre erfarne radiologers.
Kunstig intelligens vinder frem på flere og flere områder. Kunstig intelligens omfatter computersystemer, der efterligner menneskelige handlinger ved hjælp af en række algoritmer.
Convolutional neural networks (CNN) er en særlig undergruppe af kunstig intelligens, der især anvendes til at efterligne visuel genkendelse.
Inden for odontologien har der været udført pilotforsøg med CNN til diagnostik af bl.a. parodontalt knoglesvind, caries og rodfrakturer.
CNN kan diagnosticere periapikale læsioner lige så godt som mennesker
En international forskergruppe med tilknytning til Aarhus Institute of Advanced Studies (Aarhus Universitet) har anvendt CNN til radiologisk diagnostik af apikale opklaringer og sammenlignet systemets træfsikkerhed med tre erfarne radiologers.
I bovine knogler blev der præpareret alveoler, som præcist passede til en enrodet bovin tand, og i bunden af alveolen blev der boret defekter på 1,6 mm, 1,8 mm eller 2,1 mm.
Herefter blev der med dentalrøntgenapparat taget 280 optagelser, som CNN og de tre radiologer bedømte.
I gennemsnit diagnosticerede radiologerne de apikale læsioner med en specificitet på 0,83 og en sensitivitet på 0,58.
Den gennemsnitlige specificitet af CNN var 0,88, og den gennemsnitlige sensitivitet var 0,79.
Forskerne konkluderer, at CNN kan diagnosticere periapikale læsioner lige så godt som mennesker – måske endda bedre.
Kilder
Pauwels R, Brasil DM, Yamasaki MC, Jacobs R, Bosmans H, Freitas DQ, Haiter-Neto F. Artificial Intelligence for detection of periapical lesions on intraoral radiographs: comparison between convolutional neural networks and human observers. Oral Surg Oral Med Oral Pathol Oral Radiol 2021; doi: https://doi.org/10.1016/j.oooo.2021.01.018
