แบบจำลอง YOLOv8 ฝึกจากภาพ bitewing 1,180 ภาพและทดสอบ 247 ภาพ โดยใช้ทันตแพทย์ประสบการณ์สูงสองคนกำหนดรอยโรคหกระดับ โมเดลมี recall 0.51, precision 0.41, F1 0.44 และ mAP 0.41 สูงกว่าทันตแพทย์ทั่วไปในชุดทดสอบ แต่ทั้งสองฝ่ายตรวจรอยโรคระยะแรกได้ยาก
ข้อค้นพบสำคัญ
- โมเดลเหนือกว่าทันตแพทย์ทั่วไปในทุกตัวชี้วัดที่รายงาน แต่ recall 0.51 และ precision 0.41 ยังไม่สูง โมเดลมักประเมินรอยโรคตื้นกว่ามาตรฐาน ขณะที่ทันตแพทย์ทั่วไปมักประเมินลึกเกิน
ทำไมจึงมีความสำคัญระดับโลก
AI ที่อธิบายตำแหน่งและระดับรอยโรคอาจลดความแปรผันของการอ่านภาพและช่วยคัดกรองในพื้นที่ขาดผู้เชี่ยวชาญ แต่ความผิดพลาดอาจนำไปสู่รักษาน้อยหรือมากเกิน
บทบาทของนักวิจัยไทย
ทีมมหาวิทยาลัยเชียงใหม่และมหาวิทยาลัยพะเยาพัฒนาชุดข้อมูล เกณฑ์อ้างอิง และการประเมินทางคลินิกในฟันน้ำนม โดย Onnida Wattanarat เป็นผู้เขียนติดต่อ
ข้อจำกัดที่ควรรู้
เป็นการทดสอบย้อนหลังในชุดข้อมูลเดียว reference มาจากผู้เชี่ยวชาญสองคน ยังไม่มี external prospective validation ผลต่อการตัดสินใจรักษา เวลาอ่านภาพ หรือความปลอดภัยจริง