Diagnocam нашёл кариес. Что именно он увидел?
ИИ-диагностика в стоматологии
Diagnocat — программа на базе искусственного интеллекта, предназначенная для автоматической диагностики и анализа стоматологических рентгеновских снимков. Проект стартовал в 2017 году, в 2019-2020 годах, после обучения на множестве снимков, его стали внедрять в практику коммерческих стоматологических клиник.
Насколько врач-стоматолог может доверять ИИ-инструментам, на современном этапе развития технологий?
“Видит” ли программа зуб или “додумывает”?
Алгоритм отмечает одни участки зуба и пропускает другие. Почему, и как врачу интерпретировать эти находки?
Когда Diagnocat выделяет участок на рентгенограмме, легко воспринимать подсветку как подтвержденный диагноз. Но программа не видит зуб по-настоящему: она анализирует изображение и выдает прогноз, основанный на закономерностях, которые были усвоены при обучении.
Что стоит за подсветкой на снимке?
Системы компьютерного зрения обучают на изображениях с заранее размеченными находками. Модель учится связывать особенности изображения с определенными диагностическими категориями. На результат влияют:
-
качество снимка
-
выраженность изменений
-
наложение анатомических структур
-
характеристики обучающих данных [2, 3].
В публикации 2021 года разработчики Diagnocat описали систему на основе свёрточных нейронных сетей для анализа конусно-лучевых компьютерных томограмм (КЛКТ) [2]. Однако система анализировала трёхмерные изображения, поэтому эти результаты нельзя напрямую переносить на современные алгоритмы анализа ортопантомограмм.
Точная логика коммерческой модели и состав обучающей выборки для современной версии Diagnocat не раскрыты в достаточной степени. Поэтому нельзя достоверно сказать, какой именно визуальный признак стал причиной конкретной отметки. Подсвеченная область показывает результат прогноза, не объясняя его.
Насколько можно доверять ИИ?
В независимом исследовании общая точность Diagnocat составила 91,6%, однако чувствительность была ниже — 73,1%.
Алгоритм выявлял примерно 7 из 10 поверхностей с кариесом. Специфичность достигла 94,3%, то есть большинство здоровых поверхностей система правильно распознавала как непораженные.
При этом положительная прогностическая ценность составила 64,7%. Среди поверхностей, на которых программа обнаружила кариес, примерно две трети действительно имели признаки поражения по оценке экспертов [1].
В исследованной выборке система выявляла не все поражения, а среди положительных находок часть не совпадала с экспертным эталоном. При отдельном анализе поражений эмали и дентина положительная прогностическая ценность составила 42,0 и 39,2% соответственно.
Систематический обзор 2024 года выявил:
-
неоднородность результатов исследований ИИ для обнаружения кариеса на снимках,
-
ограничения качества доказательств, включая недостаточную внешнюю валидацию моделей [3].
Чек-лист взвешенных решений
Искусственный интеллект подсвечивает участки снимка, позволяя вернуться к ним для дополнительного изучения. Однако полагаться только на его алгоритмы для анализа и интерпретации тканей недостаточно.
-
Проверьте качество снимка, проекцию и возможные наложения.
-
Сопоставьте увиденное на экране с клиническим осмотром и предыдущими рентгенограммами, если они доступны.
-
Оцените глубину поражения, наличие полости и активность процесса отдельно.
-
Выбирайте тактику лечения по совокупности диагностических данных, а не по рекомендации программы.
Diagnocat может помочь заметить то, что ускользнуло при первом просмотре. Но обнаружение подозрительного участка, подтверждение кариеса и выбор лечения все еще доступно лишь естественному интеллекту врача.
ИИ помогает искать, а клинический диагноз по-прежнему требует интерпретации специалиста.

Доступ к комментариям ограничен 😔
Чтобы посмотреть комментарии других врачей и поделиться своим мнением, пожалуйста, войдите на Medpoint