Intelligenza artificiale in odontoiatria: sviluppo e validazione di un modello di rilevamento della carie mediante scansioni intraoralı

Lo studio rappresenta un'applicazione innovativa dell'intelligenza artificiale nel campo diagnostico odontoiatrico, affrontando una sfida clinica rilevante: il rilevamento affidabile della carie occlusale. La carie occlusale rimane una delle forme più difficili da diagnosticare clinicamente poiché le superfici masticanti dei molari e premolari presentano anatomie complesse che possono simulare lesioni cariose o occultarne l'estensione. L'adozione di scansioni intraoralı digitali consente una documentazione standardizzata e riproducibile, creando il contesto ideale per l'applicazione di algoritmi di computer vision. YOLOv5 è un'architettura di rilevamento di oggetti in tempo reale particolarmente adatta a questo compito perché combina velocità elaborativa e precisione diagnostica. L'elemento innovativo del preprocessing è cruciale: l'utilizzo di immagini single-channel, mixed channel e trasformazioni Ohta permette al modello di apprendere da rappresentazioni diverse dello spazio colore, migliorando la generalizzabilità. Il campione di 330 denti cariati da 117 pazienti fornisce una base dati significativa, sebbene limitata per applicazioni su larga scala. I risultati numerici sono promettenti: il 90% di accuratezza nel rilevamento di lesioni moderate ed estese è clinicamente rilevante poiché queste rappresentano il target principale per l'intervento terapeutico conservativo. Il valore kappa di 0,77 indica un accordo sostanziale con gli annotatori esperti, superando la soglia di 0,61 considerata generalmente indicativa di accordo buono. L'assenza di differenze significative nel test di McNemar (P=1,0) è particolarmente importante perché dimostra che l'AI non commette errori sistematici diversi da quelli umani. Nel contesto della letteratura esistente, questo studio si inserisce in una tendenza crescente di validazione dell'AI diagnostica in odontoiatria, anche se studi specifici sulla carie intraorale rimangono ancora limitati. Le implicazioni cliniche includono il potenziale di supporto diagnostico per clinici meno esperti, miglioramento dell'accuratezza diagnostica, standardizzazione delle valutazioni e possibile integrazione nei flussi di lavoro clinici assistiti da AI.