KIs für zahnärztliche Röntgendiagnostik entwickeln sich

Mehrere systematische Reviews aus 2024 belegen die diagnostische Genauigkeit von KI-Algorithmen in der zahnmedizinischen Bildgebung. Eine im British Dental Journal veröffentlichte Übersichtsarbeit analysierte elf systematische Reviews und zeigte, dass KI bei der Zahnidentifikation und -nummerierung eine Genauigkeit von 93,7 Prozent erreicht. Für Karies-Detektion lag die Genauigkeit bei 91,5 Prozent, für Osteoporose-Erkennung bei 89,3 Prozent.

Ein im Dezember 2024 in Diagnostics publiziertes systematisches Review untersuchte 29 Studien zur Läsionserkennung mittels Deep Learning. Die Analyse zeigte, dass Modelle wie U-Net, AlexNet und YOLOv8 bei der Erkennung von periapikalen Läsionen, Zysten, Kieferläsionen und Karies eingesetzt werden. Eine weitere Übersichtsarbeit in Oral Surgery dokumentierte, dass KI-Assistenz die Genauigkeit bei Karies-Detektion und periapikalen Pathologien verbessert und die Diagnosezeit reduziert.

Die Autoren betonen jedoch die Heterogenität der Studien und weisen darauf hin, dass KI-Ergebnisse bei komplexen Fällen inkonsistent bleiben. Die Technologie wird als Ergänzung zur klinischen Diagnostik gesehen, nicht als Ersatz. Die Studien fordern weitere Validierungen mit größeren, diversen Datensätzen.

Quelle: Webster S, Madi M. „Artificial intelligence and dental panoramic radiographs: where are we now?“ British Dental Journal 25(1):43-44 (2024) https://pubmed.ncbi.nlm.nih.gov/38273112/

Kartal Y et al. „Comprehensive Insights into Artificial Intelligence for Dental Lesion Detection: A Systematic Review.“ Diagnostics 14(23):2768 (2024) https://pmc.ncbi.nlm.nih.gov/articles/PMC11640338/

Afrashtehfar KI et al. „Augmented intelligence in oral and maxillofacial radiology: a systematic review.“ Oral Surgery, Oral Medicine, Oral Pathology and Oral Radiology (2024) https://www.sciencedirect.com/science/article/pii/S2212440325008466