人工知能に基づく歯の年齢推定におけるクロスサイト効果の定量化:ブラジルのパノラマ放射線写真から得られた証拠

科学分野:

• 歯科における人工知能
• 医学画像分析 医学画像分析
• 法医学人類学 法医学人類学

背景:

• 歯の年齢推定モデルは,異なる地理的地域と機器に一般化することが困難です.
• 性能の変動は,臨床および法医の設定で不正確な年齢予測につながる可能性があります.

研究 の 目的:

• 人工知能ベースの歯科年齢推定モデルの地域間一般化を評価する.
• モデルの性能と信頼性を向上させるための効果的な戦略を特定する.
• 年齢推定に関連する不確実性を透明に報告する.

主な方法:

• ブラジルの2つの異なる地域 (北東と南東) から21,722枚のパノラマX線写真を使用した.
• Inception-v4モデルを様々なトレーニングシナリオで評価した:単一地域,多地域,微調整,データ増強.
• 平均絶対誤差 (MAE),バイアス,R2,Bland-Altman分析,および校正メトリックを使用してパフォーマンスを評価しました.

主要な成果:

• ある地域で訓練されたモデルを別の地域 (地域内MAE 3.10年) に適用すると,パフォーマンスの著しい低下 (MAE 4.97年) が起こりました.
• 精密調整により精度と校正が向上したプールデータに関するトレーニング (MAE 3.24-3.69,R2 0.93-0.95).
• データ増強はわずかな利益をもたらしたが,重大なエラーを解決しなかった.

結論:

• クロスサイトとドメインのシフトは,AI歯科年齢推定モデルのパフォーマンスに重大な影響を及ぼします.
• 照明適応による多地域訓練は,堅牢で,校正され,解釈可能な結果をもたらします.
• この研究は,歯科における再現可能なAIモデルの評価のためのベンチマーク,コード,およびプロトコルを提供します.