Бойченко О. М., Бублій Т. Д., Іваницький І. О.

ШТУЧНИЙ ІНТЕЛЕКТ У ДІАГНОСТИЦІ ПРИХОВАНОГО ПРОКСИМАЛЬНОГО КАРІЄСУ: ПОРІВНЯННЯ З ТРАДИЦІЙНИМ МЕТОДОМ

---

Показати/Завантажити PDF

Про автора:

Бойченко О. М., Бублій Т. Д., Іваницький І. О.

Рубрика:

МЕТОДИ ТА МЕТОДИКИ

Тип статті:

Наукова стаття

Анотація:

Проксимальний карієс є складним для раннього клінічного виявлення через обмежену доступ- ність контактних поверхонь. Цифрова bitewing-рентгенографія розширює діагностичні можливості, а штучний інтелект може бути додатковим інструментом аналізу зображень. Мета – порівняти діагностичні характеристики традиційного візуально-інструментального методу та сис- теми ШІ при виявленні проксимального карієсу різної глибини й оцінити потенційну цінність моделі «лікар + ШІ». Проведено клініко-рентгенологічне дослідження за участю 150 пацієнтів віком 18–45 років із оцінкою 600 проксимальних поверхонь зубів. Після клінічного обстеження виконували цифрову bitewing-рентгенографію. Результати традиційної діагностики порівнювали з даними автоматизованого аналізу рентгенограм систе- мою штучного інтелекту. Діагностичну ефективність оцінювали за показниками чутливості, специфічності та загальної точності, а також за кількістю істинно та хибно позитивних і негативних результатів. Для порівняння парних категоріальних даних застосовували критерій Мак-Немара. При виявленні каріозних уражень у межах емалі чутливість традиційного методу становила 49,5% (95% ДІ: 42,6–56,4), тоді як системи ШІ – 95,0% (95% ДІ: 90,8–97,4). Загальна точність становила відповідно 81,3% та 94,7%, а кількість хибнонегативних результатів – 100 та 10. Різниця між методами була статистично значущою (χ²=72,4; p<0,001). При ураженнях на рівні емалево-дентинної межі та дентину чутливість традиційного мето- ду становила 82,8% (95% ДІ: 75,7–88,1), системи ШІ – 97,9% (95% ДІ: 93,8–99,3), а загальна точність – 95,0% та 96,9% відповідно. Кількість хибнонегативних результатів становила 25 при традиційній діагностиці та 3 при застосуванні ШІ; різниця була статистично значущою (χ²=15,2; p<0,01). Водночас специфічність традиційного методу залишалася дещо вищою, ніж системи ШІ. Система штучного інтелекту продемонструвала вищу чутливість і загальну діагностичну точність при ви- явленні проксимального карієсу порівняно з традиційним методом, особливо при ранніх емалевих уражен- нях. Застосування ШІ сприяло істотному зменшенню кількості хибнонегативних результатів. Отримані дані обґрунтовують перспективність використання ШІ як інструменту «second opinion» у стоматологічній практиці. Водночас остаточне діагностичне рішення має приймати лікар-стоматолог з урахуванням клінічних і рентге- нологічних даних.

Теги:

Список цитованої літератури:

1. World Health Organization. Sugars and dental caries. Geneva: WHO; 2025.
2. Ismail AI, Sohn W, Tellez M, Amaya A, Sen A, Hasson H, et al. The International Caries Detection and Assessment System (ICDAS): an integrated system for measuring dental caries. Community Dent Oral Epidemiol. 2007;35(3):170-178. DOI: https://doi.org/10.1111/j.1600-0528.2007.00347.x
3. Ammar N, Kühnisch J. Diagnostic performance of artificial intelligence-aided caries detection on bitewing radiographs: a systematic review and meta-analysis. Jpn Dent Sci Rev. 2024;60:128-136. DOI: https://doi.org/10.1016/j.jdsr.2024.02.001
4. Salehizeinabadi M, Math SY, Ameli N, Demirturk H, Pacheco-Pereira C. Effectiveness of human-artificial intelligence collaboration for interproximal caries detection using bitewing radiographs: a systematic review. Oral Surg Oral Med Oral Pathol Oral Radiol. 2026. DOI: https://doi.org/10.1016/j.oooo.2026.07.005
5. Wang Y, Fu D, Zhou G, Zou L. AI-based detection of proximal caries across radiographic modalities: a systematic review and metaanalysis. Dentomaxillofac Radiol. 2026. DOI: https://doi.org/10.1093/dmfr/twag046
6. Whiting PF, Rutjes AW, Westwood ME, Mallett S, Deeks JJ, Reitsma JB, et al. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529-536. DOI: https://doi.org/10.7326/0003-4819-155-8-201110180-00009
7. Shivakumar KM, Prasad S, Chandu GN. International caries detection and assessment system: a new paradigm in detection of dental caries. J Conserv Dent. 2009;12(1):10-16. DOI: https://doi.org/10.4103/0972-0707.53335
8. World Medical Association. World Medical Association Declaration of Helsinki: Ethical Principles for Medical Research Involving Human Participants. JAMA. 2025;333(1):71-74. DOI: https://doi.org/10.1001/jama.2024.21972
9. Meléndez Rojas P, Rodríguez Luengo M, Durán Anrique M, Niklander S, Villalobos Dellafiori MF, Jamett Rojas J, et al. Artificial Intelligence Tools for Dental Caries Detection: A Scoping Review. Oral. 2025;5(4):102. DOI: https://doi.org/10.3390/oral5040102
10. Cohen J. A coefficient of agreement for nominal scales. Educ Psychol Meas. 1960;20(1):37-46.

Публікація статті:

«Вісник проблем біології і медицини», 2026 Випуск 3, 182, 385-389 сторінки, код УДК 616.314-002-07-08:378.147

DOI:

10.29254/2077-4214-2026-3-182-385-389