歯科用画像における根分岐部病変検出における人工知能ベースの深層学習モデルの診断精度：系統的レビューおよびメタアナリシス

科学分野:

• 歯学
• 人工知能
• 医用画像処理

背景:

• 根分岐部病変は、歯周炎管理を複雑にし、歯の喪失リスクを高めます。従来の検出方法（プロービング、2Dレントゲン写真）には限界があります。深層学習（DL）は、レントゲン写真における根分岐部病変の検出に可能性を示しています。

研究 の 目的:

• 根分岐部病変検出のための深層学習モデルの診断可能性を系統的に評価すること。

主な方法:

• 2010年から2025年までのPubMed、EMBASEなどの複数のデータベースの系統的検索。2人のレビューアによる独立したスクリーニング、データ抽出、および品質評価（QUADAS-2）。診断指標（感度、特異度、AUC）のランダム効果メタアナリシス。異質性とバイアスを評価しました。

主要な成果:

• 8件の研究で、12,373本の臼歯の7,814枚のデンタルレントゲン写真を解析しました。深層学習モデルは高い精度を達成しました：感度0.93、特異度0.94、AUC 0.97。下顎臼歯はより優れた精度を示しました（感度0.96、特異度0.97、AUC 0.99）。

結論:

• 深層学習モデルは、特に下顎臼歯において、根分岐部病変検出のための有望な精度を示しています。その性能は専門医と同等です。臨床統合のためには、多様なデータセットを用いたさらなる研究が必要です。