Duboko učenje s kefalograma pogađa grubu skeletnu zrelost, finu podjelu ne
Na 3703 pacijenta model dubokog učenja procijenio je skeletnu zrelost s lateralnog kefalograma s 89,8 % točnosti u podjeli na tri skupine, naspram 75,2 % s ortopantomograma. Riječ je o retrospektivnoj studiji na jednom skupu podataka bez vanjske validacije, a točnost za finiju podjelu na devet stupnjeva ostala je ispod 50 %.
Kefalogram nadmašio ortopantomogram u svim shemama
Skeletna se zrelost najpouzdanije procjenjuje snimkom šake i zapešća, koja znači dodatnu dozu zračenja. Autori su pitali može li se isti podatak izvući iz snimaka koje ortodont ionako ima. Retrospektivno su analizirali 3703 pacijenta koji su prije ortodontske terapije imali snimku šake i zapešća, ortopantomogram i lateralni kefalogram.
Snimke šake klasificirane su po Björkovu sustavu od devet stupnjeva, a stupnjevi su zatim sažeti u sheme od pet i od tri skupine. Detekciju referentnih točaka radio je YOLOv5, a klasifikaciju mreže EfficientNet, uz uključene kliničke varijable dobi i spola te petostruku unakrsnu validaciju. Detekcija je bila pouzdana: korijeni zuba na ortopantomogramu s točnošću 92,5 %, vratni kralješci na kefalogramu s 98,9 %.
Klasifikacija zrelosti pokazala je jasnu hijerarhiju. Na kefalogramu je točnost iznosila 43,5 % za devet stupnjeva, 63,4 % za pet skupina i 89,8 % za tri skupine; na ortopantomogramu redom 36,5 %, 53,1 % i 75,2 %. Grubu podjelu rasta model je u ovom skupu podataka pogađao razmjerno dobro, finu ne; koliko bi se rezultat održao na drugoj populaciji, studija ne pokazuje.
Ograničenja
Studija je retrospektivna i provedena na jednom skupu podataka, bez vanjske validacije na drugoj populaciji. Točnost za devetostupanjsku Björkovu shemu ostala je ispod 50 % na obje vrste snimaka, pa se ta razina podjele klinički ne može koristiti.
Za ordinaciju
- Grubu, trostupanjsku podjelu skeletne zrelosti model bi u načelu mogao čitati iz lateralnog kefalograma koji već imate; snimku šake i zapešća zasad ne zamjenjuje dok se rezultat ne potvrdi na drugim populacijama.
- Na finu klasifikaciju se ne oslanjajte: 43,5 % točnosti za devet stupnjeva znači da model češće promaši nego pogodi.
- Nudi li vam proizvođač softvera ovakvu funkciju, tražite podatke o validaciji na populaciji sličnoj vašoj.