小児顎顔面形態分類のための人工知能ベース分類モデルのパフォーマンス評価

科学分野:

• 矯正歯科
• 人工知能
• 放射線科

背景:

• 正確な頭蓋顔面形態の評価は、矯正診断と治療計画にとって非常に重要です。
• サッソーニ分類は頭蓋顔面形態を分類しますが、標準化された臨床基準が欠けています。
• 一貫した臨床応用のために客観的な分類方法を開発することが不可欠です。

研究 の 目的:

• サッソーニ分類に基づく小児の頭蓋顔面形態を分類するための人工知能（AI）モデルを開発すること。
• AIモデルと経験豊富な矯正歯科医による分類との一致を評価すること。
• この分類タスクにおけるさまざまな機械学習アルゴリズムのパフォーマンスを評価すること。

主な方法:

• 300人の小児患者（6〜10歳）の側方頭蓋セファログラム放射線写真を使用しました。
• 9つのセファロメトリック測定値と患者の性別を入力特徴量として抽出しました。
• 10倍クロスバリデーションを使用して、ランダムフォレスト（RF）、ロジスティック回帰（LR）、およびサポートベクター分類（SVC）モデルをトレーニングおよび評価しました。

主要な成果:

• ランダムフォレスト（RF）モデルは、LRおよびSVCを上回る最高の分類精度（0.907 ± 0.051）を達成しました。
• RFは、F1スコア、感度、および陽性予測値において優れたパフォーマンスを示しました。
• ANB角が最も影響力のある特徴でした。患者の性別はほとんど影響しませんでした。

結論:

• RFベースのAIモデルは、サッソーニシステムを使用した小児顎顔面分類において高い精度を示しています。
• このAIアプローチは、客観的な矯正診断と治療計画のための有望なツールを提供します。
• 将来の改善には、モデルの堅牢性を高めるために、より大きなデータセットとよりバランスの取れた症例分布が含まれる可能性があります。