大規模多施設データセットを用いた歯科用インプラントシステムの同定

Identification of Dental Implant Systems Using a Large-Scale Multicenter Data Set.

抄録

本研究は、大規模な多施設データセットを用いて、様々な種類の歯科インプラントシステム（DIS）の識別と分類に対する深層学習（DL）の有効性を評価することを目的としました。また、DLと歯科医療従事者の分類精度を比較した。データセットは、5つの大学歯科病院と10の民間歯科医院から収集され、37,442（24.8%）のペリアピカルX線写真と113,291（75.2%）のパノラマX線写真を含み、合計10メーカーと25種類のDISから構成されていました。DLの分類精度は、事前に学習させ修正したResNet-50アーキテクチャを用いて評価し、DLと歯科医療従事者の精度性能と読影時間の比較は、自己申告制のアンケートで実施した。DISの分類の精度性能を比較すると、DL（精度：82.0%; 95%信頼区間[CI]、75.9%-87.0%）がほとんどの参加者を上回った（平均精度: 23.5% ± 18.5%、95% CI, 18.5-32.3%）を上回った。この中には、インプラントを専門とする歯科医師（平均精度: 43.3% ± 20.4%, 95% CI, 12.7-56.2%）と専門ではない歯科医師（平均精度： 16.8% ± 9.0%, 95% CI, 12.8%-20.9%）も含まれている。また、DLは、インプラント治療を専門とする歯科医師（75.6±31.0分、95% CI、13.1-78.4）および専門としない歯科医師（91.3±38.3分、95% CI、74.1-108.6）より読み取りと分類に要する時間が短い傾向にある（4.5分）。DLは、様々なタイプのDISの識別と分類において信頼性の高い結果を達成し、DLの分類精度性能は、専門家や非専門家の歯科医療従事者の分類精度性能よりも有意に優れていた。意思決定支援ツールとしてのDLは、臨床現場で遭遇するDISの識別と分類にうまく利用できる。

This study aimed to evaluate the efficacy of deep learning (DL) for the identification and classification of various types of dental implant systems (DISs) using a large-scale multicenter data set. We also compared the classification accuracy of DL and dental professionals. The data set, which was collected from 5 college dental hospitals and 10 private dental clinics, contained 37,442 (24.8%) periapical and 113,291 (75.2%) panoramic radiographic images and consisted of a total of 10 manufacturers and 25 different types of DISs. The classification accuracy of DL was evaluated using a pretrained and modified ResNet-50 architecture, and comparison of accuracy performance and reading time between DL and dental professionals was conducted using a self-reported questionnaire. When comparing the accuracy performance for classification of DISs, DL (accuracy: 82.0%; 95% confidence interval [CI], 75.9%-87.0%) outperformed most of the participants (mean accuracy: 23.5% ± 18.5%; 95% CI, 18.5%-32.3%), including dentists specialized (mean accuracy: 43.3% ± 20.4%; 95% CI, 12.7%-56.2%) and not specialized (mean accuracy: 16.8% ± 9.0%; 95% CI, 12.8%-20.9%) in implantology. In addition, DL tends to require lesser reading and classification time (4.5 min) than dentists who specialized (75.6 ± 31.0 min; 95% CI, 13.1-78.4) and did not specialize (91.3 ± 38.3 min; 95% CI, 74.1-108.6) in implantology. DL achieved reliable outcomes in the identification and classification of various types of DISs, and the classification accuracy performance of DL was significantly superior to that of specialized or nonspecialized dental professionals. DL as a decision support aid can be successfully used for the identification and classification of DISs encountered in clinical practice.