Oportunităţi de utilizare a inteligenţei artificiale în procesul de instruire a studenţilor în parodontologie

Abstract

Introducere. Evaluarea radiologică a resorbţiei osoase este un reper important în formularea diagnosticului de parodontită. Recent, au fost creaţi algoritmi de IA capabili să estimeze gradul de resorbţie, mai ales în imagistica 2D, deschizând noi perspective didactice ca suport de învăţare pentru studenţii în formare. Scop. Evaluarea fiabilităţii algoritmilor de IA ca suport de învăţare pentru studenţi la determinarea gradului de resorbţie osoasă pe imaginile radiologice bidimensionale ale pacienţilor parodontali. Material şi metode. Pe un lot de 15 ortopantomografii ale unor pacienţi parodontali, a fost comparată distanţa de la joncţiunea smalţ-cement până la baza defectului osos apreciată de doi clinicieni cu experienţă, respectiv de 7 studenţi şi în final de algoritmul IA WeDiagnostix. Gradul de acord a fost determinat folosind coeficientul de corelaţie intraclasă (ICC). Rezultate. Măsurătorile au fost efectuate în trei locuri pentru fiecare dinte. S-a înregistrat un nivel ridicat de concordanţă între mediile măsurătorilor efectuate de cei doi experţi umani pe ortopantomograme - considerate consensul experţilor - şi cele bazate pe reprezentarea grafică a pierderii osoase generată de algoritmul WeDiagnostix (ICC = 0,92, p < 0,05). Concordanţa dintre consensul celor şapte studenţi şi consensul experţilor a fost mai mică (ICC = 0,81, p < 0,05). Concordanţa inter-examinatori a fost mai mare la mandibulă (ICC = 0,95 pentru AI-expert şi 0,86 pentru student-expert) decât la maxilar (ICC = 0,90 pentru AI-expert şi 0,77 pentru student-expert). Concluzii. Algoritmul IA WeD-iagnostix a demonstrat o performanţă comparabilă cu cea a experţilor şi mai mare decât a studenţilor în aprecierea gradului de resorbţie osoasă, atestând fiabilitatea didactică a acestuia în pregătirea individuală a studenţilor pentru interpretarea radiologică a resorbţiei osoase.

Introduction. The radiographic assessment of bone loss is a key criterion in the diagnosis of periodontitis. Recently, AI algorithms capable of estimating the extent of bone loss, particularly in 2D imaging, have been developed, opening up didactic opportunities as self-learning tools for dental students in training. Objective. Assessment of the reliability of AI algorithms as educational support tools for students in determining the degree of bone loss on two-dimensional radiographic images of periodontal patients. Material and methods. On a set of 15 orthopantomograms from periodontal patients, the distance from the cementoenamel junction to the base of the bone defect was assessed by two experienced clinicians, seven students, and the WeDiagnos-tix AI algorithm. The level of agreement was determined using the Intraclass Correlation Coefficient (ICC). Results. Measurements were performed at three sites for each tooth. A high level of agreement was recorded between the mean measurements made by the two human experts on the or-thopantomograms-considered the expert consensus-and those based on the graphical representation of bone loss generated by the WeDiagnostix algorithm (ICC = 0.92, p < 0.05). The agreement between the consensus of the seven students and the expert consensus was lower (ICC = 0.81, p < 0.05). Inter-examiner agreement was higher in the mandible (ICC = 0.95 for AI-expert and 0.86 for student-expert) than in the maxilla (ICC = 0.90 for AI-expert and 0.77 for student-expert). Conclusion. The WeDiagnostix AI algorithm demonstrated a performance comparable to that of the experts and superior to that of the students in assessing the degree of bone loss, confirming its didactic reliability as a tool for independent student training in the radiographic interpretation of bone resorption.