成長する患者の臨床的に有用な治療結果のための自動化された人工知能駆動の3次元の頭蓋骨顔面の叠加:多センター研究

科学分野:

• 矯正歯科と歯と顔の整形外科
• 医学画像分析 医学画像分析
• 医療における人工知能

背景:

• 成長する患者における治療変化の信頼性の高い定量化には,明示的な重複参照と相対的な変化の解釈が必要です.
• これらの分析のための手動のワークフローは時間のかかるものであり,変動する傾向があります.
• この研究では,自動対半自動3D分析方法の測定信頼性と効率を評価しています.

研究 の 目的:

• 全自動化された,オープンソースのセグメント化および登録ワークフローの信頼性と効率を,半自動化されたヴォクセルベースのアプローチと比較する.
• 成長する患者におけるリファレンス-明示的な3次元 (3D) 定量分析の臨床的有用性を評価する.
• 異なる人工知能 (AI) の関与が測定精度やワークフローの効率化に与える影響を評価する.

主な方法:

• 治療前および治療後の (T1およびT2) クラスIIの22人の患者からのコンビームコンピュータトモグラフィー (CBCT) の分析.
• 3つの登録アプローチの比較:従来の,半自動,完全に自動化されたAI駆動の方法.
• 骨格と歯の骨格の変化の評価は,頭蓋骨の基礎と地域的な重置に対して,混合効果の線形回帰モデルを用いて行われます.

主要な成果:

• すべての登録方法において,骨格と歯の測定について,臨床的に比較可能な精度で高い一致が見られた.
• 自動化されたワークフローと従来のワークフローの絶対平均差は,一般的には,線形測定では1.5mm未満,角形測定では1.5°未満でした.
• AI駆動の方法は,信頼性があり,より迅速な3D変化測定を実証し,臨床意思決定を支援しました.

結論:

• 自動化された,臨床医が検証したワークフローは,成長する患者の信頼性と効率的な3D変化定量化を提供します.
• 正確な解釈には,重ね合わせに使用される特定の参照領域を考慮する必要があります.
• AI主導のオープンソースツールは,診断,治療のタイミング,結果評価のための実践的な定量分析を提供します.