Клиническая точность цефалометрического анализа с использованием автоматического определения ориентиров на основе глубокого обучения на КТ с конусным пучком при прикусе I и II класса

Почему более умные сканы важны для вашей улыбки

Когда ортодонты планируют брекеты или челюстную операцию, им нужны точные измерения костей, зубов и профиль лица. Традиционно специалисты вручную отмечают эти точки на изображениях, похожих на рентген, — это медленная процедура, подверженная вариабельности между людьми. В исследовании поставлен простой, но важный вопрос с практическим значением: может ли система искусственного интеллекта надежно взять на себя эту работу по измерениям в современных 3D-сканах, и насколько безопасно стоматологам полагаться на её результаты при планировании лечения?

От плоских снимков к 3D-картам головы

Долгое время ортодонты использовали плоские, двухмерные изображения для оценки положения челюсти и углов зубов. Такие изображения «сжимают» трёхмерную голову в одну плоскость, что может скрывать тонкие проблемы и искажать расстояния. КТ с конусным пучком (CBCT) теперь позволяет увидеть лицо и челюсти в трёх измерениях, но тщательное обозначение десятков ключевых точек в 3D занимает много времени и требует существенной подготовки. Автоматизированные системы на основе глубокого обучения обещают разместить эти точки — называемые ориентирами — с точностью до долей миллиметра, экономя время и стандартизируя уход.

Проверяем измеритель на базе ИИ

Исследовательская группа опиралась на продвинутую модель глубокого обучения, ранее обученную почти на 500 CBCT-сканах. Алгоритм был разработан для обнаружения 40 важных костных, зубных и мягкотканных ориентиров в 3D. Для этого исследования авторы выбрали 75 новых CBCT-сканов пациентов с распространёнными типами прикуса, известными как скелетные прикусы I и II класса. Опытные ортодонты вручную отмечали ориентиры на этих сканах; их работа служила «истиной на земле». Затем ИИ проанализировал те же сканы, а специальная программа конвертировала оба набора ориентиров в 71 практическое измерение — расстояния, углы и соотношения — которые ортодонты действительно используют при диагностике и планировании лечения.

Насколько близко — достаточно близко в клинике?

Чтобы оценить работу ИИ, исследователи сравнили его измерения с экспертными, применив несколько статистических методов. Они посмотрели на среднее расстояние между соответствующими ориентирами, известное как средняя радиальная ошибка, и на то, как часто ИИ попадал в пределах двух миллиметров от экспертных отметок. В целом ориентиры ИИ в среднем находились примерно в 1,7 миллиметра от точек экспертов, и более 60% попадали в самый жёсткий интервал в два миллиметра. Когда эти ориентиры переводились в реальные клинические измерения, только 9 из 71 показали статистически значимые различия — и даже эти различия были крошечными, менее одного миллиметра или одного градуса, диапазоном, который ортодонты обычно считают несущественным на практике.

Где «робот-рулетка» всё ещё испытывает трудности

Картина становится более сложной, если смотреть дальше простых средних значений. Применяя методы, оценивающие не только типичную разницу, но и разброс отличий, команда обнаружила, что почти 60% всех измерений на основе ИИ оставались уверенно внутри клинически допустимой полосы плюс-минус два миллиметра или градуса. Линейные расстояния — например, длина участка челюсти — были особенно надёжны, когда соответствующие ориентиры находились с точностью лучше двух миллиметров. Однако измерения углов, которые сильно зависят от направления даже небольших ошибок положения, оказались более чувствительными. Для некоторых ориентиров с нечеткими анатомическими границами, таких как задний угол челюстной кости (гонион) или верхушки формирующихся корней резцов, направленные ошибки ИИ могли заметно повлиять на углы, даже если средняя ошибка по расстоянию выглядела приемлемой.

Партнёрство людей и алгоритмов

Для пациентов и клиницистов главный вывод таков: грамотно спроектированный ИИ уже может взять на себя значительную часть тяжёлой работы по 3D-цeфалометрии, давая результаты, которые в большинстве клинически важных расстояний и во многих углах близки к работе экспертов. В то же время исследование показывает, что одной лишь средней оценки ошибки ориентиров недостаточно, чтобы гарантировать надёжность измерений, особенно для углов и для ориентиров в областях с размытой или изменчивой анатомией. Авторы приходят к выводу, что автоматизированный 3D-цефалометрический анализ готов к использованию в рутинной практике в качестве мощного помощника — но с человеком в петле. Краткая ручная проверка и донастройка нескольких чувствительных ориентиров могут превратить систему в надёжного партнёра, помогая ортодонтам планировать более безопасное и точное лечение, затрачивая при этом меньше времени на утомительные измерительные задачи.

Цитирование: Jiang, Y., AL-Mohana, R.A.A.M., Jiang, C. et al. Clinical accuracy of cephalometric analysis using deep learning–based automated landmark identification on CBCT in class I and class II malocclusions. Sci Rep 16, 10283 (2026). https://doi.org/10.1038/s41598-026-41408-3

Ключевые слова: ортодонтическая визуализация, 3D-сканы зубов, искусственный интеллект, автоматизированные измерения, КТ с конусным пучком