Comparative validation of deep learning-based system for cephalometric analysis on adolescent patients

Abstract

Objectives The purpose of this study was to evaluate the difference of measurement between conventional orthodontic analysis and artificial intelligence (AI) orthodontic analysis in adolescent patients with mixed and permanent dentition. Material and Method Cephalometric radiographs of 60 patients (30 mixed dentition, 30 permanent dentition) who visited Ewha Womans University Mokdong Hospital for orthodontic analysis and treatment were randomly selected. A total of 17 landmarks and 22 measurements were evaluated using pre-treatment lateral cephalometric radiographs. Result The measurements of both analysis methods showed statistically significant positive correlations except for 3 measurements (LAFH, U1 to NA, SN to occlusal plane) in mixed dentition group and 1 measurement (U1 to NA) in permanent dentition group. In comparison of mixed and permanent dentition groups for differences between the two methods, 6 of the 22 measurements (Convexity angle, APDI, ODI, ANB, U1 to NA, U1 to A-Pg, L1 to A-Pg) showed statistically significant differences. Conclusion When using deep learning-based program for orthodontic analysis of pediatric patients, it is recommended to recognize the limitations of this program and use it with right judgment. Compared with the time-consuming conventional orthodontic analysis, the deep learning-based cephalometric system can be clinically acceptable in terms of reliability and validity of measurements as the dentist recognizes the limitations of this program. ;이 연구의 목적은 혼합치열기와 영구치열기의 소아 환자에서 기존의 교정 분석과 인공지능을 활용한 교정 분석 변수의 차이를 평가하는 것이다. 교정 분석과 치료를 위해 이화여자대학교 목동 병원을 방문한 60명의환자 (혼합치열기 30명, 영구치열기 30명)의 두부 계측 방사선 사진을 무작위로 선정하였다. 총 17개의 계측점과 22개의 계측항목이 교정 치료 전의 측면 두부 방사선 사진을 사용하여 평가 되었다. 두 분석 방법으로 측정된 변수들은 유치 그룹에서 3개의 측정값과 영구치 그룹에서 1개의 측정값을 제외하고 통계적으로 유의한 양의 상관관계를 보여주었다. 두 방법의 차이에 대한 혼합치열기 그룹과 영구치열기 그룹 간의 비교에서는 6개의 항목에서 통계적으로 유의한 차이가 있었다. 치과의사가 이 프로그램의 한계점을 인지하고 올바른 판단과 함께 사용한다면, 소아환자의 교정분석을 수행함에 있어서 도움이 될 것이다. 시간이 많이 소요되는 기존 교정 분석과 비교했을 때, 딥 러닝 기반의 두부 측정 시스템은 측정치의 신뢰성과 유효성의 측면에서 임상적으로 허용될 수 있다.