ディープラーニングによる歯科画像上の歯周炎の病期分類：系統的レビューとメタ分析

Deep learning for classifying the stages of periodontitis on dental images: a systematic review and meta-analysis.

抄録

背景:

歯科医療におけるディープラーニング（DL）アルゴリズムの開発は、新たなトレンドである。歯周炎は最も蔓延している口腔疾患の一つであり、患者の生活の質に顕著な影響を及ぼす。したがって、歯周炎を正確かつ効率的に分類することは極めて重要である。このシステマティックレビューは、歯周炎の分類にDLを適用することを明らかにし、このアプローチの精度を評価することを目的とした。

BACKGROUND: The development of deep learning (DL) algorithms for use in dentistry is an emerging trend. Periodontitis is one of the most prevalent oral diseases, which has a notable impact on the life quality of patients. Therefore, it is crucial to classify periodontitis accurately and efficiently. This systematic review aimed to identify the application of DL for the classification of periodontitis and assess the accuracy of this approach.

方法:

2023年11月までの文献をEMBASE、PubMed、Web of Science、Scopus、Google Scholarの各データベースで検索した。適格な研究をスクリーニングするために包含基準および除外基準を用い、研究の質はQUADAS-2（診断精度研究の質評価）ツールを用いてGRADE（Grading of Recommendations Assessment, Development and Evaluation）法により評価した。ランダム効果逆分散モデルを用いて診断検査のメタ解析を行い、プール感度、特異度、陽性尤度比（LR）、陰性LR、診断オッズ比（DOR）を算出し、要約受信者動作特性（SROC）プロットを作成した。

METHODS: A literature search up to November 2023 was implemented through EMBASE, PubMed, Web of Science, Scopus, and Google Scholar databases. Inclusion and exclusion criteria were used to screen eligible studies, and the quality of the studies was evaluated by the Grading of Recommendations Assessment, Development and Evaluation (GRADE) methodology with the QUADAS-2 (Quality Assessment of Diagnostic Accuracy Studies) tool. Random-effects inverse-variance model was used to perform the meta-analysis of a diagnostic test, with which pooled sensitivity, specificity, positive likelihood ratio (LR), negative LR, and diagnostic odds ratio (DOR) were calculated, and a summary receiver operating characteristic (SROC) plot was constructed.

結果:

13件の研究がメタ解析に組み入れられた。外れ値を除外した後のプール感度、特異度、陽性LR、陰性LR、DORは、それぞれ0.88（95％CI 0.82-0.92）、0.82（95％CI 0.72-0.89）、4.9（95％CI 3.2-7.5）、0.15（95％CI 0.10-0.22）、33（95％CI 19-59）であった。SROC下面積は0.92（95％CI 0.89-0.94）であった。

RESULTS: Thirteen studies were included in the meta-analysis. After excluding an outlier, the pooled sensitivity, specificity, positive LR, negative LR and DOR were 0.88 (95%CI 0.82-0.92), 0.82 (95%CI 0.72-0.89), 4.9 (95%CI 3.2-7.5), 0.15 (95%CI 0.10-0.22) and 33 (95%CI 19-59), respectively. The area under the SROC was 0.92 (95%CI 0.89-0.94).

結論:

DLに基づく歯周炎の分類の精度は高く、このアプローチは将来、歯科専門家の作業負担を軽減し、分類の一貫性を高めるために採用される可能性がある。

CONCLUSIONS: The accuracy of DL-based classification of periodontitis is high, and this approach could be employed in the future to reduce the workload of dental professionals and enhance the consistency of classification.