口唇口蓋裂患者の歯槽骨欠損の分類のための解釈可能な人工知能

Interpretable artificial intelligence for classification of alveolar bone defect in patients with cleft lip and palate.

抄録

口唇口蓋裂（CLP）は、最も一般的な先天性頭蓋顔面異常症であり、歯槽骨裂の骨移植が必要である。本研究の目的は、3次元（3D）表面モデルを用いてCLP患者の歯槽骨欠損の重症度を評価する新しい分類アルゴリズムを開発し、解釈可能な人工知能（AI）ベースのアルゴリズムを通じて、分類器が提供する判断を実証することである。CLP患者194人のコーンビームCTスキャンを用いて、歯槽骨欠損の重症度を自動分類する機能の訓練と試験を行った。歯槽骨欠損の形状、高さ、幅を、自動的にセグメンテーションされた上顎3D表面モデルで評価し、その重症度の真実の分類指標を決定した。新しい分類アルゴリズムは、異なる視点から3D表面モデルをレンダリングし、2D畳み込みニューラルネットワークに供給される2D画像スナップショットをキャプチャする。解釈可能なAIアルゴリズムが開発され、分類を説明するために、各視点からの特徴を使用し、アテンションレイヤーを介して集約された。精度、再現性、F-1スコアは、それぞれ0.823、0.816、0.817であり、1群差以内の重症度指数の一致率は97.4～100％であった。新しい分類器と解釈可能なAIアルゴリズムは、CLP患者の3D表面モデルを用いて歯槽骨欠損形態の重症度を分類するのに十分な精度を示し、ディープラーニングモデルの分類決定時に考慮された特徴をグラフィカルに表示した。

Cleft lip and/or palate (CLP) is the most common congenital craniofacial anomaly and requires bone grafting of the alveolar cleft. This study aimed to develop a novel classification algorithm to assess the severity of alveolar bone defects in patients with CLP using three-dimensional (3D) surface models and to demonstrate through an interpretable artificial intelligence (AI)-based algorithm the decisions provided by the classifier. Cone-beam computed tomography scans of 194 patients with CLP were used to train and test the performance of an automatic classification of the severity of alveolar bone defect. The shape, height, and width of the alveolar bone defect were assessed in automatically segmented maxillary 3D surface models to determine the ground truth classification index of its severity. The novel classifier algorithm renders the 3D surface models from different viewpoints and captures 2D image snapshots fed into a 2D Convolutional Neural Network. An interpretable AI algorithm was developed that uses features from each view and aggregated via Attention Layers to explain the classification. The precision, recall and F-1 score were 0.823, 0.816, and 0.817, respectively, with agreement ranging from 97.4 to 100% on the severity index within 1 group difference. The new classifier and interpretable AI algorithm presented satisfactory accuracy to classify the severity of alveolar bone defect morphology using 3D surface models of patients with CLP and graphically displaying the features that were considered during the deep learning model's classification decision.