口腔内X線画像を用いた歯科インプラントの種類検出におけるディープラーニングアルゴリズムと従来のニューラルネットワークアルゴリズムの精度の評価：システマティックレビューとメタ分析

Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis.

抄録

問題提起:

臨床におけるインプラントブランド検出の重要性が高まる中、インプラントブランド検出における機械学習アルゴリズムの精度が研究対象として注目されている。最近の研究では、インプラントブランド検出における機械学習の利用について有望な結果が示されている。しかし、このような有望な結果にもかかわらず、インプラントブランド検出における機械学習の精度の包括的な評価が必要である。

STATEMENT OF PROBLEM: With the growing importance of implant brand detection in clinical practice, the accuracy of machine learning algorithms in implant brand detection has become a subject of research interest. Recent studies have shown promising results for the use of machine learning in implant brand detection. However, despite these promising findings, a comprehensive evaluation of the accuracy of machine learning in implant brand detection is needed.

目的:

この系統的レビューとメタ分析の目的は、智歯周囲X線写真やパノラマX線写真などの2次元画像を用いたインプラントブランド検出におけるディープラーニングアルゴリズムの精度、感度、特異性を評価することである。

PURPOSE: The purpose of this systematic review and meta-analysis was to assess the accuracy, sensitivity, and specificity of deep learning algorithms in implant brand detection using 2-dimensional images such as from periapical or panoramic radiographs.

材料と方法:

PubMed、Embase、Scopus、Scopus Secondary、Web of Scienceの各データベースで電子検索を行った。組み入れ基準を満たした研究は、Quality Assessment of Diagnostic Accuracy Studies-2（QUADAS-2）ツールを用いて質を評価した。メタアナリシスは、STATA v.17を用いて、プールされたパフォーマンス指標と95％信頼区間（CI）を推定するためにランダム効果モデルを用いて実施した。

MATERIAL AND METHODS: Electronic searches were conducted in PubMed, Embase, Scopus, Scopus Secondary, and Web of Science databases. Studies that met the inclusion criteria were assessed for quality using the Quality Assessment of Diagnostic Accuracy Studies-2 (QUADAS-2) tool. Meta-analyses were performed using the random-effects model to estimate the pooled performance measures and the 95% confidence intervals (CIs) using STATA v.17.

結果:

13件の研究がシステマティックレビューの対象として選択され、3件がメタ解析に用いられた。研究のメタアナリシスの結果、X線画像から歯科インプラントを検出するCNNアルゴリズムの全体的な精度は95.63％であり、感度は94.55％、特異度は97.91％であった。最も高い精度が報告されたのは、CNN Multitask ResNet152アルゴリズムで99.08％、感度と特異度は、Straumann SLActive BLTインプラントブランドを使用したディープCNN（Neuro-Tバージョン2.0.1）アルゴリズムでそれぞれ100.00％と98.70％であった。すべての研究でバイアスリスクは低かった。

RESULTS: Thirteen studies were selected for the systematic review, and 3 were used in the meta-analysis. The meta-analysis of the studies found that the overall accuracy of CNN algorithms in detecting dental implants in radiographic images was 95.63%, with a sensitivity of 94.55% and a specificity of 97.91%. The highest reported accuracy was 99.08% for CNN Multitask ResNet152 algorithm, and sensitivity and specificity were 100.00% and 98.70% respectively for the deep CNN (Neuro-T version 2.0.1) algorithm with the Straumann SLActive BLT implant brand. All studies had a low risk of bias.

結論:

CNN Multitask ResNet152およびdeep CNN（Neuro-T version 2.0.1）アルゴリズムを使用した研究で、最も高い精度と感度が報告された。

CONCLUSIONS: The highest accuracy and sensitivity were reported in studies using CNN Multitask ResNet152 and deep CNN (Neuro-T version 2.0.1) algorithms.