대부분의 인공지능(AI) 연구는 저품질이거나 왜곡된 치과 방사선영상에서 치과 임플란트 시스템(DIS)을 식별하는 것을 배제함으로써 실제 임상 적용을 제한해 왔다. 본 연구의 목적은 다기관의 대규모 데이터셋으로 학습한 AI 모델이 저품질 및 왜곡된 치과 방사선영상에서 서로 다른 유형의 DIS를 식별하는 데 효과적인지를 평가하는 것이었다. 미세조정된 사전학습 ResNet-50 알고리즘을 기반으로, 156,965장의 파노라마 및 치근단 방사선학적 영상을 학습 및 검증 데이터셋으로 사용하였고, 네 가지 유형의 저품질 및 왜곡 영상(임플란트 고정체의 축에 대해 수직이 아닌 경우, 방사선 과노출, 고정체의 첨부가 절단된 경우, 그리고 이물질이 포함된 경우)을 포함하는 530장의 영상을 테스트 데이터셋으로 사용하였다. 또한 저품질 및 왜곡 DIS 분류의 정확도 성능을 AI와 5명의 치주과 전문의 간에 비교하였다. 테스트 데이터셋을 기반으로, AI 모델의 성능 평가는 정확도, 정밀도, 재현율, F1 점수 각각 95.05%, 95.91%, 92.49%, 94.17%를 달성하였다. 그러나 5명의 치주과 전문의는 네 가지 서로 다른 유형의 저품질 및 왜곡 방사선영상에 기초하여 9가지 유형의 DIS를 분류하였고, 평균 전체 정확도는 37.2 ± 29.0%였다. 본 연구의 제한점 내에서 AI는 저품질 또는 왜곡 방사선영상에서 DIS를 식별하는 데 있어 치과 전문가보다 분류 과제에서 더 우수한 정확도를 보였다. 다만 AI의 실제 임상 적용을 위해서는 저품질 및 왜곡 방사선영상에 대한 광범위한 표준화 연구가 필수적이다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.