
Strojno učenje s RTG snimke razvrstava zakrivljenost kanala s 89,6 % točnosti
Model treniran na 1644 retroalveolarne snimke donjih premolara točno je razvrstao 89,6 % kanala prema stupnju zakrivljenosti, ali autori ga vide samo kao alat za probir.
Snimka ulazi, stupanj zakrivljenosti izlazi
Retrospektivna studija u časopisu International Endodontic Journal razvila je automatski sustav koji na retroalveolarnoj snimci pronalazi donji premolar s jednim kanalom, izdvaja kanal i procjenjuje koliko je zakrivljen. Skup je obuhvatio 1644 snimke: 633 ravna, 885 umjereno i 126 jako zakrivljenih kanala. Cijeli je sustav vrednovan deseterostrukom unakrsnom validacijom s istom podjelom podataka u svim koracima, kako se podaci za učenje i provjeru ne bi miješali.
Za pronalaženje zuba najbolji je bio model RF-DETR (odziv 97,5 %, preciznost 93,3 %, F1 95,4 %). Kanal je najbolje izdvajao YOLOv11-seg, s Dice koeficijentom 85,8 % i IoU 77,5 %. Klasifikator je zatim kombinirao pet geometrijskih mjera oblika kanala s 2048 značajki iz dubinske neuronske mreže.
Hibridni model postigao je najvišu ukupnu točnost, 89,6 %. Za najvažniju skupinu, jako zakrivljene kanale, model samo s geometrijskim mjerama bio je osjetljiviji: 80,6 % prema 69,1 % za hibridni. Najjači pojedinačni prediktor težine zakrivljenosti bio je Luitenov kut, a svih pet geometrijskih mjera statistički se razlikovalo među skupinama težine.
Ograničenja
Studija je retrospektivna, na jednoj vrsti zuba i bez vanjske validacije na drugim uređajima ili populacijama. Dvodimenzionalna snimka ne prikazuje bukolingvalne zakrivljenosti, a jako zakrivljenih kanala bilo je malo (126).
Za ordinaciju
- Ovakav alat može označiti kanale koje vrijedi dodatno pogledati na CBCT-u prije instrumentacije, ali ne zamjenjuje kliničku procjenu.
- Kod sumnje na jaku zakrivljenost preciznija je jednostavnija geometrijska procjena: pouzdanija je od „pametnijeg" hibridnog modela za baš tu skupinu.
- Na običnoj snimci ne vidite bukolingvalnu zakrivljenost; to vrijedi i za čovjeka i za algoritam.