歯周炎の診断：人工知能の現状と今後の動向についてのレビュー

Periodontitis diagnosis: A review of current and future trends in artificial intelligence.

抄録

背景:

人工知能（AI）は歯科における歯周炎診断の最先端技術として機能している。現在の診断上の課題には、経験豊富な歯科医師の不足によるエラー、X線写真の分析時間の制限、報告の義務化などがあり、治療の質、コスト、効率に影響を与えている。

BACKGROUND: Artificial intelligence (AI) acts as the state-of-the-art in periodontitis diagnosis in dentistry. Current diagnostic challenges include errors due to a lack of experienced dentists, limited time for radiograph analysis, and mandatory reporting, impacting care quality, cost, and efficiency.

目的:

本総説の目的は、歯周炎診断におけるAIの現状と今後の動向を評価することである。

OBJECTIVE: This review aims to evaluate the current and future trends in AI for diagnosing periodontitis.

方法:

PRISMAガイドラインに従って徹底的な文献調査を行った。PubMed、Scopus、Wiley Online Library、ScienceDirectを含むデータベースを検索し、2018年1月～2023年12月に発表された研究を対象とした。検索に使用したキーワードは、"人工知能"、"パノラマX線写真"、"歯周炎"、"歯周病"、"診断 "であった。

METHODS: A thorough literature review was conducted following PRISMA guidelines. We searched databases including PubMed, Scopus, Wiley Online Library, and ScienceDirect for studies published between January 2018 and December 2023. Keywords used in the search included "artificial intelligence," "panoramic radiograph," "periodontitis," "periodontal disease," and "diagnosis."

結果:

最初の211件の記録から12件の研究がレビューに含まれた。これらの研究では、高度なモデル、特に畳み込みニューラルネットワーク（CNN）が使用されており、歯周骨欠損の検出精度は0.76～0.98であった。方法論には、ディープラーニングハイブリッド法、自動同定システム、機械学習分類法が含まれ、診断の精度と効率を高めていた。

RESULTS: The review included 12 studies from an initial 211 records. These studies used advanced models, particularly convolutional neural networks (CNNs), demonstrating accuracy rates for periodontal bone loss detection ranging from 0.76 to 0.98. Methodologies included deep learning hybrid methods, automated identification systems, and machine learning classifiers, enhancing diagnostic precision and efficiency.

結論:

歯周炎診断にAIイノベーションを統合することで、診断精度と効率が向上し、従来法に代わる強固な代替法が提供される。これらの技術は、従来のアプローチに代わる、より迅速で労働集約的でない、より正確な代替法を提供する。今後の研究では、AIモデルの信頼性と汎化性を向上させ、臨床への普及を確実にすることに重点を置くべきである。

CONCLUSIONS: Integrating AI innovations in periodontitis diagnosis enhances diagnostic accuracy and efficiency, providing a robust alternative to conventional methods. These technologies offer quicker, less labor-intensive, and more precise alternatives to classical approaches. Future research should focus on improving AI model reliability and generalizability to ensure widespread clinical adoption.