Ефективність застосування програмного забезпечення на основі штучного інтелекту для автоматизованого аналізу ортопантомограм з метою ідентифікації ознак периапікальних уражень

Автор(и)

DOI:

https://doi.org/10.32782/2415-8127.2025.72.18

Ключові слова:

ендодонтія, лікування кореневих каналів, периапікальні ураження, штучний інтелект, ортопантомограма

Анотація

Вступ. Розвиток технологій машинного навчання та штучного інтелекту потенційно може сприяти процесу ідентифікації ознак периапікальних уражень на цифрових ортопантомограмах, пришвидшуючи етапи первинного аналізу рентгенологічних знімків та демаркації на таких очевидних та сумнівно-проблемних зон. Мета дослідження. Оцінити діагностичну ефективність програмного забезпечення на основі штучного інтелекту для ідентифікації ознак периапікальних уражень в ході автоматизованого аналізу ортопантомограм. Матеріали та методи. Дизайн дослідження передбачав проведення автоматичного аналізу ортопантомограм програмним забезпеченням, яке функціонує на основі технології штучного інтелекту, з метою реєстрації на цифрових знімках ознак периапікальних уражень. Для пілотного дослідження було заплановано використання 60 ортопантомограм, відібраних рандомізовано з бази цифрових знімків. В ході оцінки порівняльної діагностичної ефективності використовуваного програмного забезпечення аналіз відібраних 60 ортопантомограм з цільовим пошуком на таких ділянок з ознаками периапікальних уражень проводився незалежно двома лікарями-стоматологами з досвідом роботи у практичній стоматології понад 10 років та спеціалізацією у проведенні терапевтичних стоматологічних маніпуляцій. Результати дослідження та їх обговорення. В ході автоматизованого опрацювання 60 ортопантомограм програмним забезпеченням на основі штучного інтелекту було верифіковано 187 ділянок з ознаками потенційних периапікальних змін. Двома лікарями-стоматологами було верифіковано 158 та 132 ділянок з ознаками потенційних периапікальних змін відповідно. Повторюваний аналіз тієї ж вибірки ортопантомограм програмним забезпечення на основі штучного інтелекту продемонстрував 100% репродуктивність отриманих результатів щодо кількості первинно ідентифікованих ділянок, а також щодо особливостей їх розподілу. Дані, отримані в результаті аналізу ортопантомограм лікарями-стоматологами засвідчили, що узгодженість між такими щодо кількості ідентифікованих ділянок з ознаками периапікальних змін складає 83,54%, тоді як щодо розподілу таких – 87,12%. Висновки. Програмне забезпечення на основі штучного інтелекту в ході автоматизованого аналізу ортопантомограм забезпечує на 15,50–29,41% вищу поширеність ідентифікації ознак потенційних периапікальних уражень, аніж аналіз ортопантомограм проведений лікарями-стоматологами. Значно перевагою програмного забезпечення для автоматичного аналізу ортопантомограм є абсолютна репродуктивність отриманих результатів при повторенні діагностичного процесингу цифрових знімків.

Посилання

Arslan ZB, Demir H, Berker Yıldız D, Yaşar F. Diagnostic accuracy of panoramic radiography and ultrasonography in detecting periapical lesions using periapical radiography as a gold standard. Dentomaxillofac Radiol. 2020 Sep 1;49(6):20190290. DOI:: 10.1259/dmfr.20190290

Ba-Hattab R, Barhom N, Osman SA, Naceur I, Odeh A, Asad A, Al-Najdi SA, Ameri E, Daer A, Silva RL, Costa C. Detection of periapical lesions on panoramic radiographs using deep learning. Appl Sci. 2023 Jan 24;13(3):1516. DOI: 10.3390/app13031516

Bansal RK, Arya A, Singh B, Singla M. Comparative Efficiency of Artificial Intelligence in Detecting Periapical Lesions Using Periapical Radiographs, Orthopantomogram, and Cone-beam Computed Tomography: A Scoping Review. Indian J Dent Sci. 2025 Jan 1;17(1):32-7. DOI: 10.4103/ijds.ijds_132_24

Boztuna M, Firincioglulari M, Akkaya N, Orhan K. Segmentation of periapical lesions with automatic deep learning on panoramic radiographs: an artificial intelligence study. BMC Oral Health. 2024 Nov 1;24(1):1332. DOI: 10.1186/s12903-024-05126-4.

Cotti E, Schirru E. Present status and future directions: Imaging techniques for the detection of periapical lesions. Int Endod J. 2022 Oct;55:1085-99. DOI: 10.1111/iej.13828

Gliga A, Imre M, Grandini S, Marruganti C, Gaeta C, Bodnar D, Dimitriu BA, Foschi F. The limitations of periapical X-ray assessment in endodontic diagnosis – a systematic review. J Clin Med. 2023;12(14):4647.

Goncharuk-Khomyn M, Noenko I, Cavalcanti AL, Adigüzel Ö, Dubnov A. Artificial intelligence in endodontics: relevant trends and practical perspectives. Ukr Dent J. 2023 Mar 5;2(1):96-101. DOI: 10.56569/UDJ.2.1.2023.96-101

Kazimierczak W, Wajer R, Wajer A, Kiian V, Kloska A, Kazimierczak N, Janiszewska-Olszowska J, Serafin Z. Periapical lesions in panoramic radiography and CBCT imaging – assessment of AI’s diagnostic accuracy. J Clin Med. 2024 May 4;13(9):2709. DOI: 10.3390/jcm13092709

Kruse C, Spin‐Neto R, Wenzel A, Kirkevang LL. Cone beam computed tomography and periapical lesions: a systematic review analysing studies on diagnostic efficacy by a hierarchical model. Int Endod J. 2015 Sep;48(9):815-28. DOI: 10.1111/iej.12388

Petersson A, Axelsson S, Davidson T, Frisk F, Hakeberg M, Kvist T, Norlund A, Mejàre I, Portenier I, Sandberg H, Tranæus S. Radiological diagnosis of periapical bone tissue lesions in endodontics: a systematic review. Int Endod J. 2012 Sep;45(9):783-801. DOI: 10.1111/j.1365-2591.2012.02034.x

Rajasekhar R, Soman S, Sebastian VM, Muliyar S, Cherian NM. Indexes for periapical health evaluation: A review. Int Dent Res. 2022 Aug 31;12(2):97-106. DOI: 10.5577/intdentres.2022.vol12.no2.8

Stera G, Giusti M, Magnini A, Calistri L, Izzetti R, Nardi C. Diagnostic accuracy of periapical radiography and panoramic radiography in the detection of apical periodontitis: a systematic review and meta-analysis. Radiol Med. 2024 Nov;129(11):1682-95. DOI: 10.1007/s11547-024-01882-z

Zadrożny Ł, Regulski P, Brus-Sawczuk K, Czajkowska M, Parkanyi L, Ganz S, Mijiritsky E. Artificial intelligence application in assessment of panoramic radiographs. Diagnostics. 2022 Jan 17;12(1):224. DOI: 10.3390/diagnostics12010224

##submission.downloads##

Опубліковано

2025-11-28

Як цитувати

Білей, А. М., Гончарук-Хомин, М. Ю., Балега, М. І., & Баранець, В. В. (2025). Ефективність застосування програмного забезпечення на основі штучного інтелекту для автоматизованого аналізу ортопантомограм з метою ідентифікації ознак периапікальних уражень. Науковий вісник Ужгородського університету. Серія «Медицина», (2(72), 109-114. https://doi.org/10.32782/2415-8127.2025.72.18

Статті цього автора (авторів), які найбільше читають