13 Luglio 2022

---

---

Secondo una ricerca presentata a EuroPerio10, il principale congresso mondiale di parodontologia e odontoiatria implantare organizzato dalla Federazione Europea di Parodontologia (EFP), grazie a un algoritmo di deep learning è possibile rilevare con successo la malattia parodontale dalle radiografie bitewing 2D.

“Il nostro studio mostra il potenziale dell'intelligenza artificiale (IA) per identificare automaticamente patologie parodontali che altrimenti potrebbero non essere rilevate”, ha commentato l'autore dello studio, il dottor Burak Yavuz dell'Università Eskisehir Osmangazi, in Turchia.

“Ciò potrebbe ridurre l'esposizione alle radiazioni evitando valutazioni ripetute, prevenire la progressione silenziosa della malattia parodontale e consentire un trattamento più precoce”.

Studi precedenti hanno esaminato l'uso dell'IA per rilevare carie, fratture radicolari e lesioni apicali, ma la ricerca nel campo della parodontologia è, sino a oggi, limitata. Questo studio ha valutato la capacità del deep learning, un tipo di IA, di determinare lo stato parodontale nelle radiografie bitewing.

Lo studio ha utilizzato 434 radiografie bitewing di pazienti con parodontite. L'elaborazione delle immagini è stata eseguita con l'architettura “u-net”, una rete neurale convoluzionale utilizzata per segmentare le immagini in modo rapido e preciso.

Anche un medico specialista esperto ha valutato le immagini utilizzando il metodo della segmentazione.

Le valutazioni includevano la perdita ossea alveolare totale attorno ai denti inferiori e superiori, la perdita ossea orizzontale, la perdita ossea verticale, i difetti della forcazione e il tartaro attorno ai denti mascellari e mandibolari.

La rete neurale ha identificato 859 casi di perdita ossea alveolare, 2215 casi di perdita ossea orizzontale, 340 casi di perdita ossea verticale, 108 difetti di forcazione e 508 casi di tartaro. Il successo dell'algoritmo nell'identificazione dei difetti è stato confrontato con la valutazione del medico; la media ponderata di sensibilità e precisione è stata stabilita come F1, dove 1 è il valore migliore e 0 è il peggiore.

I risultati di sensibilità, precisione e punteggio F1 per la perdita totale di osso alveolare erano, rispettivamente, di 1, 0,94 e 0,96. I valori corrispondenti per la perdita ossea orizzontale erano, rispettivamente, di 1, 0,92 e 0,95; l'IA non poteva identificare la perdita ossea verticale.

I risultati di sensibilità, precisione e punteggio F1 ottenuti dallo specialista sono risultati essere 1, 0,70 e 0,82, rispettivamente, e per i difetti di forcazione i valori corrispondenti erano 0,62, 0,71 e 0,66, rispettivamente.

Il dottor Yavuz ha affermato: “Il nostro studio dimostra che l'IA è in grado di rilevare molti tipi di difetti dalle immagini 2D che potrebbero aiutare nella diagnosi della parodontite. Sono necessari studi più completi su set di dati più ampi per aumentare il successo dei modelli ed estendere il loro utilizzo alle radiografie 3D. Questo studio offre uno sguardo al futuro dell'odontoiatria, in cui l'IA valuta automaticamente le immagini e assiste i professionisti del settore dentale nella diagnosi e nel trattamento precoce delle malattie”.