DOI:

10.37988/1811-153X_2025_2_26

Сравнение диагностики скрытых кариозных полостей по данным КЛКТ врачами-стоматологами и искусственным интеллектом

Загрузки

Авторы

  • Е.А. Лавренюк 1, 2, к.м.н., доцент кафедры терапевтической и детской стоматологии; врач-стоматолог
    ORCID: 0000-0002-9575-4694, AuthorID: 1176625
  • В.Д. Вагнер 1, 3, д.м.н., профессор кафедры терапевтической и детской стоматологии; профессор кафедры ортодонтии и геронтостоматологии
    ORCID: 0000-0002-9136-9289, AuthorID: 284306
  • М.В. Миронов 1, 2, студент V курса; гигиенист стоматологический
    ORCID: 0009-0003-9576-0159
  • 1 РязГМУ им. И.П. Павлова, 390026, Рязань, Россия
  • 2 Клиника «Альфа-стоматология», 390026, Рязань, Россия
  • 3 Российский университет медицины, 127473, Москва, Россия

Аннотация

В данной статье сравнивается качество диагностики трех групп врачей-стоматологов с разным опытом работы и различных специальностей с системой искусственного интеллекта (ИИ). Исследование протекало в несколько этапов: 1) изучение ИИ-систем, применяемых в стоматологии; 2) подбор пациента, проведение клинического и рентгенологического обследования с последующей обработкой полученных данных ИИ; 3) проведение исследования среди врачей-стоматологов различных специальностей и опыта работы; 4) сравнение полученных результатов с ИИ. Для изучения выбрали систему «Diagnocat» (Россия) и провели рентгенологический отчет заранее подобранного снимка (который подходил по результатам клинического осмотра и рентгенологического анализа врачом-стоматологом и после анализа ИИ), просили врачей-стоматологов изучить данный снимок КЛКТ (предоставлялась программа для просмотра снимка в трехмерном изображении) и клинические фотографии пациента, а затем анализировали ответы 60 врачей-стоматологов. Выявлены случаи гипердиагностики врачами-стоматологами, что говорит о врачебной ошибке, которую можно исключить при использовании ИИ. Согласно проведенному исследованию, пациенты, которые попадают к врачу — стоматологу-терапевту со стажем работы от 5 до 15 лет, получают более качественную диагностику.

Ключевые слова:

искусственный интеллект, стоматология, диагностика, анализ изображений

Для цитирования

[1]
Лавренюк Е.А., Вагнер В.Д., Миронов М.В. Сравнение диагностики скрытых кариозных полостей по данным КЛКТ врачами-стоматологами и искусственным интеллектом. — Клиническая стоматология. — 2025; 28 (2): 26—29. DOI: 10.37988/1811-153X_2025_2_26

Список литературы

  1. Dhopte A., Bagde H. Smart smile: Revolutionizing dentistry with artificial intelligence. — Cureus. — 2023; 15 (6): e41227. PMID: 37529520
  2. Turosz N., Chęcińska K., Chęciński M., Brzozowska A., Nowak Z., Sikora M. Applications of artificial intelligence in the analysis of dental panoramic radiographs: an overview of systematic reviews. — Dentomaxillofac Radiol. — 2023; 52 (7): 20230284. PMID: 37665008
  3. Bilgir E., Bayrakdar İ.Ş., Çelik Ö., Orhan K., Akkoca F., Sağlam H., Odabaş A., Aslan A.F., Ozcetin C., Kıllı M., Rozylo-Kalinowska I. An artifıcial ıntelligence approach to automatic tooth detection and numbering in panoramic radiographs. — BMC Med Imaging. — 2021; 21 (1): 124. PMID: 34388975
  4. Revilla-León M., Gómez-Polo M., Barmak A.B., Inam W., Kan J.Y.K., Kois J.C., Akal O. Artificial intelligence models for diagnosing gingivitis and periodontal disease: A systematic review. — J Prosthet Dent. — 2023; 130 (6): 816—824. PMID: 35300850
  5. Tiwari A., Gupta N., Singla D., Ranjan Swain J., Gupta R., Mehta D., Kumar S. Artificial intelligence›s use in the diagnosis of mouth ulcers: A systematic review. — Cureus. — 2023; 15 (9): e45187. PMID: 37842407
  6. Aminoshariae A., Nosrat A., Nagendrababu V., Dianat O., Mohammad-Rahimi H., O’Keefe A.W., Setzer F.C. Artificial intelligence in endodontic education. — J Endod. — 2024; 50 (5): 562—578. PMID: 38387793
  7. Ilhan B., Lin K., Guneri P., Wilder-Smith P. Improving oral cancer outcomes with imaging and artificial intelligence. — J Dent Res. — 2020; 99 (3): 241—248. PMID: 32077795
  8. Sultan A.S., Elgharib M.A., Tavares T., Jessri M., Basile J.R. The use of artificial intelligence, machine learning and deep learning in oncologic histopathology. — J Oral Pathol Med. — 2020; 49 (9): 849—856. PMID: 32449232
  9. Liu J., Chen Y., Li S., Zhao Z., Wu Z. Machine learning in orthodontics: Challenges and perspectives. — Adv Clin Exp Med. — 2021; 30 (10): 1065—1074. PMID: 34610222
  10. Hung K.F., Yeung A.W.K., Bornstein M.M., Schwendicke F. Personalized dental medicine, artificial intelligence, and their relevance for dentomaxillofacial imaging. — Dentomaxillofac Radiol. — 2023; 52 (1): 20220335. PMID: 36472627
  11. 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; 24 (1): 1332. PMID: 39487404
  12. Bayrakdar I.S., Orhan K., Çelik Ö., Bilgir E., Sağlam H., Kaplan F.A., Görür S.A., Odabaş A., Aslan A.F., Różyło-Kalinowska I. A U-net approach to apical lesion segmentation on panoramic radiographs. — Biomed Res Int. — 2022; 2022: 7035367. PMID: 35075428
  13. Çelik B., Savaştaer E.F., Kaya H.I., Çelik M.E. The role of deep learning for periapical lesion detection on panoramic radiographs. — Dentomaxillofac Radiol. — 2023; 52 (8): 20230118. PMID: 37641964
  14. Endres M.G., et al. Development of a deep learning algorithm for periapical disease detection in dental radiographs. — Diagnostics (Basel). — 2020; 10 (6): 430. PMID: 32599942
  15. Patil S., Albogami S., Hosmani J., Mujoo S., Kamil M.A., Mansour M.A., Abdul H.N., Bhandi S., Ahmed S.S.S.J. Artificial intelligence in the diagnosis of oral diseases: Applications and pitfalls. — Diagnostics (Basel). — 2022; 12 (5): 1029. PMID: 35626185
  16. Shan T., Tay F.R., Gu L. Application of artificial intelligence in dentistry. — J Dent Res. — 2021; 100 (3): 232—244. PMID: 33118431
  17. Szabó V., Szabó B.T., Orhan K., Veres D.S., Manulis D., Ezhov M., Sanders A. Validation of artificial intelligence application for dental caries diagnosis on intraoral bitewing and periapical radiographs. — J Dent. — 2024; 147: 105105. PMID: 38821394
  18. Ezhov M., Gusarev M., Golitsyna M., Yates J.M., Kushnerev E., Tamimi D., Aksoy S., Shumilov E., Sanders A., Orhan K. Clinically applicable artificial intelligence system for dental diagnosis with CBCT. — Sci Rep. — 2021; 11 (1): 15006. PMID: 34294759
  19. Choi J.W., Park H., Kim B S I.H., Kim N., Kwon S.M., Lee J.Y. Surgery-first orthognathic approach to correct facial asymmetry: Artificial intelligence-based cephalometric analysis. — Plast Reconstr Surg. — 2022; 149 (3): 496e-499e. PMID: 35196690
  20. Fawaz P., Sayegh P.E., Vannet B.V. What is the current state of artificial intelligence applications in dentistry and orthodontics? —J Stomatol Oral Maxillofac Surg. — 2023; 124 (5): 101524. PMID: 37270174
  21. Chung E.J., Yang B.E., Park I.Y., Yi S., On S.W., Kim Y.H., Kang S.H., Byun S.H. Effectiveness of cone-beam computed tomography-generated cephalograms using artificial intelligence cephalometric analysis. — Sci Rep. — 2022; 12 (1): 20585. PMID: 36446924
  22. Jeong S., Kim S., Lim S.H., Yu S.K. A study of correlations between cephalometric measurements in Koreans with normal occlusion by network analysis. — Sci Rep. — 2024; 14 (1): 9660. PMID: 38671196
  23. Апресян С.В., Степанов А.Г., Ретинская М.В., Суонио В.К. Разработка комплекса цифрового планирования стоматологического лечения и оценка его клинической эффективности. — Российский стоматологический журнал. — 2020; 3: 135—140. eLIBRARY ID: 44005658
  24. Miragall M.F., Knoedler S., Kauke-Navarro M., Saadoun R., Grabenhorst A., Grill F.D., Ritschl L.M., Fichter A.M., Safi A.F., Knoedler L. Face the future — Artificial intelligence in oral and maxillofacial surgery. — J Clin Med. — 2023; 12 (21): 6843. PMID: 37959310
  25. Wang J., Wang B., Liu Y.Y., Luo Y.L., Wu Y.Y., Xiang L., Yang X.M., Qu Y.L., Tian T.R., Man Y. Recent advances in digital technology in implant dentistry. — J Dent Res. — 2024; 103 (8): 787—799. PMID: 38822563
  26. Fukami T. Patient engagement with psychological safety. — Dialogues Health. — 2023; 3: 100153. PMID: 38515810
  27. Rajaram Mohan K., Mathew Fenn S. Artificial intelligence and its theranostic applications in dentistry. — Cureus. — 2023; 15 (5): e38711. PMID: 37292569
  28. Bonny T., Al Nassan W., Obaideen K., Al Mallahi M.N., Mohammad Y., El-Damanhoury H.M. Contemporary role and applications of artificial intelligence in dentistry. — F1000Res. — 2023; 12: 1179. PMID: 37942018
  29. Adnan N., Umer F. Understanding deep learning — challenges and prospects. — J Pak Med Assoc. — 2022; 72 (Suppl 1) (2): S59—S63.
  30. Li S., Liu J., Zhou Z., Zhou Z., Wu X., Li Y., Wang S., Liao W., Ying S., Zhao Z. Artificial intelligence for caries and periapical periodontitis detection. — J Dent. — 2022; 122: 104107. PMID: 35341892

Загрузки

Поступила

23.04.2025

Принята

16.06.2025

Опубликовано

05.07.2025