Lateral sefalometrik analizlerde derin öğrenme tabanlı yapay zeka modellerinin ve manuel yöntemlerin performanslarının karşılaştırılması

Amaç: Yapay zeka (AI), ortodontide sefalometrik tanı süreçlerini geliştirmekte ve hasta değerlendirmelerini daha verimli hale getirmektedir. Bu çalışmanın amacı, bilgisayar destekli dijital sefalometrik analiz gerçekleştiren Dolphin Imaging yazılımı ile yapay zeka destekli tam otomatik sefalometrik analiz yapan CranioCatch yazılımından elde edilen sefalometrik ölçüm sonuçlarını karşılaştırarak değerlendirmektir. Yöntem: Çalışmamıza 571 hastaya ait KIBT görüntü kayıtlarından oluşturulan lateral sefalometrik radyograflar ile dijital lateral sefalometrik radyograflar dahil edilmiştir. Sefalometrik analizler, 17 açısal, 18 doğrusal ve 1 oransal olmak üzere toplam 36 ölçüm kullanılarak gerçekleştirilmiştir. İki yöntem arasındaki farkları analiz etmek amacıyla Independent Sample t-Test ve Mann-Whitney U testi uygulanmış, ayrıca Bland–Altman grafikleri oluşturulmuştur. İstatistiksel anlamlılık düzeyi p <0,05 olarak kabul edilmiştir. Bulgular: Elde edilen sefalometrik ölçüm değerlerinin karşılaştırılması sonucunda FMA, SN/GoGn açısı, gonial açı, artiküler açı, posterior açılar toplamı, yüz ekseni açısı, U1-SN açısı ve interinsizal açı, maksiller uzunluk, maksilla/mandibula farkı, corpus uzunluğu, N-Me, N-ANS, S-Go, S-Ar, ramus yüksekliği, U1 protrüzyon ve Jarabak oranı parametrelerinde istatistiksel olarak anlamlı bir fark bulunmuştur. Bland-Altman grafikleri değerlendirildiğinde FMA, Sn/GoGn açısı, gonial açı, interinsizal açı ve corpus uzunluğu parametrelerinde klinik olarak da anlamlı düzeyde farklılıkların bulunduğu belirlenmiştir. Sonuç: Derin öğrenme tabanlı tam otomatik sefalometrik analizler, klinik olarak kabul edilebilir düzeyde tanısal performans sağlayabilmektedir. Ancak daha yüksek doğrulukta sonuçlar elde edebilmek için ek manuel düzeltmelerin yapılmasına ihtiyaç duyulduğu düşünülmektedir. Anahtar Kelimeler: Sefalometrik analiz, Derin öğrenme, Yapay zeka