歯科教育におけるパノラマランドマーク：LLM支援、手動トレース、自己主導学習の比較

背景:

• 歯科においてパノラマX線写真上の解剖学的ランドマークを正確に特定することは非常に重要ですが、困難でもあります。
• 従来の教育方法では、スキル開発のための補助ツールが必要とされることがよくあります。
• この研究では、X線写真ランドマークを学ぶための自己主導学習（SDL）、手動トレース（MT）、およびAI（ChatGPT）を比較します。

研究 の 目的:

• パノラマX線写真上の解剖学的ランドマークを特定するための3つの補助学習モダリティの有効性を評価および比較すること。
• 歯科放射線教育における自己主導学習、手動トレース、AI支援学習の効果を判断すること。
• 異なる学習方法が歯科学生の特定のX線写真ランドマークを特定する能力に与える影響を評価すること。

主な方法:

• 3つのグループ（SDL、MT、ChatGPT）に分けられた63人の歯学部3年生を対象とした前向き研究。
• 学生は講義を受け、直後（ベースライン）および4週間のフォローアップでテストされました。
• 非パラメトリック統計検定を使用して、グループ内およびグループ間の差を分析しました。

主要な成果:

• 手動トレース（MT）群は、SDL群およびChatGPT群と比較して、全体的に有意に高いスコアを達成しました。
• MT群では24のランドマーク、ChatGPT群では16のランドマークでベースラインからの有意な改善が観察されました。
• ChatGPT群は、頬骨突起を含む4つの特定のランドマークの特定においてMTを上回りました。

結論:

• 手動トレース（MT）は、パノラマX線写真上の解剖学的ランドマークを学ぶための全体的に最も効果的な方法です。
• ChatGPTは特定のランドマークを学ぶ上で価値があることを示し、AIの補助的な役割を示唆しています。
• 歯科放射線教育を強化するために、従来のMTとAI支援学習を組み合わせた統合アプローチが推奨されます。