Artificial intelligence - based prediction of jaw cyst recurrence using serial panoramic radiographic images

Abstract

Detecting and predicting cyst recurrence after removal requires long term follow-up along with enough experience of practitioner. In this study, a jaw cyst recurrence prediction system was developed based on AI model and serial panoramic images. The system consists of cyst tracking algorithm and recurrence prediction algorithm. Three panoramic radiographic images were labeled and utilized as ground truth data for both algorithm across 160 patient cases. Compared to manual cyst drawing by practitioner, the cyst tracking algorithm has demonstrated an accuracy of 88.2%. When compared to clinical diagnosis, the recurrence prediction algorithm has demonstrated an accuracy of 78%. Along with the performance test of each algorithm, the correlation between geometrical factors and cyst recurrence is also analyzed, including size, position, and eccentricity of deformation. Each indicator has demonstrated a significant correlation with the cyst recurrence ratio, offering valuable insights for predicting cyst recurrence through geometric analysis. 낭종 제거 후 재발 여부를 진단하고 예측하려면 의료진의 충분한 경험과 함께 장기간의 추적관찰이 필요하다. 본 연구에서는 상악 전치부에 낭종 제거를 받은 환자의 연속 파노라마 방사선 영상을 이용하여 인공지능 모델을 기반으로 악골 낭종의 재발 예측 시스템을 연구하였다. 각 성능을 평가하여 ANN(artificial neural network)이라는 인공지능 모델을 이용하였으며 낭종 추적 알고리즘과 재발 예측 알고리즘으로 각각 나누어 분석하였다. 160 명 환자의 낭종 제거 전과 후, 추적 관찰 시 촬영된 3 개의 연속 파노라마 방사선 영상을 이용해 두 알고리즘에 대한 실제 데이터로 사용하였다. 의사가 수동으로 낭종의 경계를 그린 것과 비교하여 낭종 추적 알고리즘은 88.2%의 정확도를 나타내었다. 재발 예측 알고리즘은 임상진단과 비교했을 때 78%의 정확도를 보였다. 각 알고리즘의 성능 테스트와 함께 크기, 위치, 변형의 편심 등 기하학적 요인과 낭종 재발 사이의 상관관계도 분석하였다. 낭종 중심의 위치 변화와 경계 변형의 편심과 같은 기하학적 요인은 낭종의 크기 감소와 더불어 재발 예측 알고리즘의 개발에 유의미한 결과를 나타내었다.