下顎管のCBCT画像におけるセグメンテーションのための5つのAIプラットフォームの比較分析

科学分野:

• 口腔および顎顔面外科学
• 放射線学
• 医用画像解析

背景:

• 口腔および顎顔面処置中の下歯槽神経損傷の予防には、コーンビームCT（CBCT）画像における下顎管（MC）の正確な同定が不可欠です。
• MCの手動セグメンテーションは時間がかかり、術者によるばらつきが生じやすいです。
• 人工知能（AI）は、MCの自動化および再現可能なセグメンテーションの有望な代替手段となります。

研究 の 目的:

• 5つの異なるAIプラットフォームにおけるMCの自動セグメンテーション精度の比較。
• さまざまなAIセグメンテーションツールの定量的および定性的パフォーマンスメトリックの評価。
• 外科計画におけるMC同定のためのAIの信頼性に関するエビデンスに基づいたガイダンスの提供。

主な方法:

• 5つの自動AIプラットフォーム（Atomica、BlueSkyPlan、Craniocatch、3D Slicer、Relu Creator）を使用した120例の匿名化されたCBCTスキャン（240 MC）の分析。
• 符号なし平均表面偏差を用いた精度の定量化、および最適（<0.5 mm）、許容（0.5-2.0 mm）、許容不可（>2.0 mm）の範囲への分類。
• 5段階の解剖学的忠実度スケールを用いた定性的評価、およびセグメント別、側性別、スキャナー別効果分析。

主要な成果:

• AIプラットフォーム間には有意なパフォーマンスのばらつきが認められた（p < 0.001）。
• Relu Creatorと3D Slicerは最も高い精度（約0.5 mm）を示し、2.0 mmを超える偏差はなかった。
• AtomicaとBlueSkyPlanはより大きなばらつきと許容できない偏差を示し、Craniocatchは中程度の精度を示した。

結論:

• AIベースのMCセグメンテーション精度はプラットフォームに依存します。
• Relu Creatorと3D Slicerは臨床的適合性を示しますが、他のプラットフォームでは専門家によるレビューが必要です。
• MCセグメンテーションのためのAIツールの安全な臨床導入には、独立したベンチマーキングとマルチスキャナー検証が不可欠です。