Περίληψη
ΕισαγωγήΤα τελευταία χρόνια έχει παρατηρηθεί μια σημαντική μείωση της τερηδόνας σε πληθυσμούς τόσο των βιομηχανικών χωρών, όσο και στη χώρα μας. Η μείωση αυτή αποδίδεται κυρίως στην ευρεία χρήση φθορίου γι’ αυτό και εντοπίζεται κυρίως στις λείες επιφάνειες των δοντιών, ενώ είναι ελάχιστη μέχρι μηδαμινή στις μασητικές. Αυτός είναι και ο λόγος της αύξησης του ποσοστού της τερηδονικής προσβολής των μασητικών επιφανειών σε σχέση με τις λείες. Οι μασητικές επιφάνειες γίνονται περισσότερο ευάλωτες αφενός γιατί το φθόριο προσφέρει μικρή προστασία σ’ αυτές αφετέρου η πολύπλοκη μορφολογία τους και η δυσκολία αφαίρεσης της οδοντικής μικροβιακής πλάκας από τις περιοχές αυτές επιδεινώνουν το πρόβλημα. Η κατακράτηση οδοντικής πλάκας σε συνδυασμό με την προσρόφηση χρωστικών έχουν σαν αποτέλεσμα να γίνεται πολύ δύσκολη και η κλινική αξιολόγηση και διάγνωση μίας μασητικής τερηδόνας και ιδιαίτερα όταν αυτή βρίσκεται στα αρχικά της στάδια. Γι΄ αυτό και σε πολλές μελέτες έχει δειχθεί ότι υπάρχει μια ...
ΕισαγωγήΤα τελευταία χρόνια έχει παρατηρηθεί μια σημαντική μείωση της τερηδόνας σε πληθυσμούς τόσο των βιομηχανικών χωρών, όσο και στη χώρα μας. Η μείωση αυτή αποδίδεται κυρίως στην ευρεία χρήση φθορίου γι’ αυτό και εντοπίζεται κυρίως στις λείες επιφάνειες των δοντιών, ενώ είναι ελάχιστη μέχρι μηδαμινή στις μασητικές. Αυτός είναι και ο λόγος της αύξησης του ποσοστού της τερηδονικής προσβολής των μασητικών επιφανειών σε σχέση με τις λείες. Οι μασητικές επιφάνειες γίνονται περισσότερο ευάλωτες αφενός γιατί το φθόριο προσφέρει μικρή προστασία σ’ αυτές αφετέρου η πολύπλοκη μορφολογία τους και η δυσκολία αφαίρεσης της οδοντικής μικροβιακής πλάκας από τις περιοχές αυτές επιδεινώνουν το πρόβλημα. Η κατακράτηση οδοντικής πλάκας σε συνδυασμό με την προσρόφηση χρωστικών έχουν σαν αποτέλεσμα να γίνεται πολύ δύσκολη και η κλινική αξιολόγηση και διάγνωση μίας μασητικής τερηδόνας και ιδιαίτερα όταν αυτή βρίσκεται στα αρχικά της στάδια. Γι΄ αυτό και σε πολλές μελέτες έχει δειχθεί ότι υπάρχει μια μεγάλη διακύμανση στις αποφάσεις των οδοντιάτρων στην αξιολόγηση των μασητικών επιφανειών, με ένα σημαντικό ποσοστό αυτών να είναι στη λανθασμένες.Είναι επίσης γνωστό ότι η έγκυρη και έγκαιρη διάγνωσή της τερηδόνας των μασητικών επιφανειών αποτελεί βασική προϋπόθεση για την λήψη της σωστής απόφασης σχετικά με την θεραπευτική παρέμβαση μας είτε με την εφαρμογή της σωστής προληπτικής αντιμετώπισης των μασητικών βλαβών ή της αντιμετώπισης στη λογική της “ελάχιστης παρέμβασης”. Για τους λόγους αυτούς η έρευνα έχει κατευθυνθεί στην ανάπτυξη συστημάτων κωδικοποίησης των μασητικών βλαβών με βάση οπτικά κριτήρια, που στόχο έχουν να βοηθήσουν τον κλινικό να κατατάσσει την κατάσταση μιας μασητικής επιφάνειας με πιο αξιόπιστο και επαναλαμβανόμενο τρόπο, ώστε να μειωθούν οι λάθος αποφάσεις. Το πιο διαδεδομένο σύστημα κατάταξης τερηδονικών βλαβών σύμφωνα με τα οπτικά τους κριτήρια είναι το σύστημα ICDAS II.Ταυτόχρονα αναπτύσσονται και συστήματα διάγνωσης των μασητικών βλαβών που στηρίζονται στην μέτρηση των αλλαγών των φυσικών και οπτικών ιδιοτήτων της αδαμαντίνης. Το πλήθος αυτών των τεχνικών φανερώνει ότι μέχρι σήμερα δεν έχει αναπτυχθεί ένα σύστημα που να κάνει έγκυρη διάγνωση των τερηδονικών βλαβών και να τις κατατάσσει αξιόπιστα με βάση το σύστημα ICDAS IΙ. ΣκοπόςΣκοπός της παρούσας μελέτης ήταν να αναπτυχτεί ένας τρόπος διάγνωσης ο οποίος αυτοματοποιημένα και χωρίς παρέμβαση, μέσω ενός αλγόριθμου, να μπορεί να εντοπίζει και να κατατάσσει τις μασητικές τερηδονικές βλάβες σε μόνιμα οπίσθια δόντια σύμφωνα με το σύστημα ICDAS ΙΙ και στη συνέχεια να αξιολογηθεί η αξιοπιστία του σε σχέση με έμπειρους εξεταστές αλλά και με την ιστολογική εικόνα επιλεγμένων περιοχών. Ο αλγόριθμος αυτός ονομάστηκε ACDS (Automated Caries Diagnosis System.Υλικά και μέθοδοςΓια τις ανάγκες αυτής της μελέτης αναπτύχθηκε ένας αλγόριθμος ο ποίος αποτελείται από 2 στάδια. Στο πρώτο στάδιο αναπτύχθηκε το τμήμα του αλγόριθμου το οποίο αξιολογεί τις μασητικές επιφάνειες και εντοπίζει τις περιοχές οι οποίες θα πρέπει να αξιολογηθούν για την ύπαρξη τερηδόνας. Η αξιολόγηση αυτή γίνεται αυτοματοποιημένα χωρίς την παρέμβαση του χρήστη . Τέτοιες περιοχές είναι κυρίως οι οπές και σχισμές των μασητικών επιφανειών καθώς και περιοχές με απασβεστιώσεις ή/και δυσχρωμίες. Στο δεύτερο στάδιο ο αλγόριθμος πάλι χωρίς την παρέμβαση από τον χρήστη κατατάσσει τις περιοχές που έχουν εντοπισθεί κατά το προηγούμενο στάδιο σύμφωνα με το σύστημα ICDAS ΙΙ.Στη συνέχεια αξιολογήθηκε η κατάταξη των μασητικών βλαβών που έκανε ο αλγόριθμος κατά το σύστημα ICDAS II σε σχέση με την κλινική κατάταξη των επιφανειών που έκαναν 2 έμπειροι εξεταστές. Τέλος, επιλέχθηκαν 53 μασητικές περιοχές οι οποίες αξιολογήθηκαν και ιστολογικά και τα αποτελέσματά τους συγκρίθηκαν με την κατάταξη του αλγόριθμου.Χρησιμοποιήθηκαν 103 οπίσθια εξαγμένα δόντια από τα οποία ελήφθησαν ψηφιακές φωτογραφίες σε σταθερές συνθήκες. Οι φωτογραφίες αυτές στη συνέχεια αξιολογήθηκαν από 2 έμπειρους εξεταστές οι οποίοι κατέταξαν τις μασητικές περιοχές σε κατηγορίες από 0 έως 6 κατά το σύστημα ICDAS II. Κάθε μασητική επιφάνεια μπορεί να είχε περισσότερες από μια τιμή ICDAS II ανάλογα με την κλινική της εικόνα. Στη συνέχεια οι εικόνες επεξεργάστηκαν από το σύστημα ICDAS II και η κατάταξη του συστήματος συγκρίθηκε με την κατάταξη από τους εξεταστές. Στην συνέχεια επιλέχθηκαν 18 δόντια για τα οποία υπήρχαν οι αρχικές φωτογραφίες των μασητικών επιφανειών και χρησιμοποιήθηκαν για την σύγκριση των αποτελεσμάτων του αλγόριθμου ACDS με την ιστολογική εικόνα των περιοχών. Χρησιμοποιήθηκαν συνολικά 40 τομές και αξιολογήθηκαν 53 σημεία διερεύνησης τα οποία ταξινομήθηκαν ανάλογα με την ιστολογική τους εικόνα σύμφωνα με το σύστημα ERK.ΑποτελέσματαΤο πρώτο ερώτημα που διερευνήθηκε ήταν αν το ACDS μπορεί να εντοπίσει σωστά τις περιοχές των μασητικών επιφανειών που πρέπει να αξιολογηθούν. Στη μελέτη χρησιμοποιήθηκαν 103 ψηφιακές φωτογραφίες μασητικών επιφανειών στις οποίες οι εξεταστές προσδιόρισαν 425 περιοχές ενδιαφέροντος. Το ACDS προσδιόρισε 340 περιοχές (αληθώς σωστές). Το πλήθος των ψευδώς αρνητικών επιφανειών ήταν 85 και το πλήθος των ψευδώς θετικών 118. Από τις 118 επιφάνειες 42 είχαν χαρακτηριστεί από τους εξεταστές σαν περιοχές με τερηδόνα (ICDAS >2) και 76 σαν απασβεστιώσεις (ICDAS 1 ή 2). Η ευαισθησία (sensitivity) της τεχνικής είναι 0,80, η ορθότητα (accuracy) 0,80 και η ακρίβεια (precision) 0,74. Μετά το στάδιο του προσδιορισμού των επιφανειών ενδιαφέροντος εφαρμόστηκε η διαδικασία ταξινόμησης τους. Η αποτελεσματικότητα του ACDS εξετάστηκε για δύο περιπτώσεις. Στην πρώτη περίπτωση έγινε η παραδοχή ότι όσες επιφάνειες προσδιορίστηκαν από τους εξεταστές σαν ICDAS 0 (υγιείς) και η μέθοδος δεν αναγνώρισε θεωρούνται σαν να έχουν καταταχθεί σωστά από το ACDS. Σε αυτή την περίπτωση ο μέσος όρος (μέση απόκλιση) της ευαισθησίας και της ειδικότητας της τεχνικής για όλες τις κατηγορίες ICDAS II είναι 0,89 (0,12) και 0,97 (0,05) αντιστοίχως ενώ η ακρίβεια 0,82 (0,19). Η ορθότητα βρέθηκε να είναι 0,83 και ο συντελεστής kappa 0,78. Τα αποτελέσματα κατάταξης του ACDS μελετήθηκαν επίσης και χωρίς την παραδοχή σαν ορθών των περιοχών που δεν ανίχνευσε η μέθοδος ACDS και οι εξεταστές τις κατέταξαν σαν υγιείς. Σε αυτή τη περίπτωση ο μέσος όρος (μέση απόκλιση) της ευαισθησίας και της ειδικότητας της τεχνικής είναι 0,80 (0,18) και 0,96 (0,04) αντιστοίχως ενώ η ακρίβεια 0,79 (0,17). Η ορθότητα βρέθηκε να είναι 0,79 και ο συντελεστής kappa 0,74. Το σύστημα ταξινόμησης ICDAS II δημιουργήθηκε για να κατατάξει αφ’ ενός τις τερηδονικές βλάβες σύμφωνα με τα διάφορα στάδια εξέλιξης τους με βάση οπτικά κριτήρια αλλά κυρίως με βάση αυτή την κατάταξη να μπορεί να προσδιορίσει την προτεινόμενη θεραπεία για την επιφάνεια. Από κλινική άποψη επομένως θα ήταν σημαντικό τα ταξινομηθούν οι βλάβες σε 3 κατηγορίες ανάλογα με την ανάγκη θεραπείας που έχουν. Οι τρείς αυτές κατηγορίες θα ήταν υγιείς επιφάνειες (Α), αρχόμενες βλάβες που απαιτούν προληπτική παρέμβαση (Β) και μέτριες ή εκτεταμένες βλάβες που χρειάζονται αποκατάσταση (Γ). Με αυτό το σκεπτικό οι 7 κατηγορίες του συστήματος ICDAS II αντιστοιχίστηκαν σε τρείς κατηγορίες. Στην κατηγορία υγιείς επιφάνειες (Α) αντιστοιχήθηκε η κατηγορία ICDAS II-0, στην κατηγορία αρχόμενες βλάβες (Β) οι κατηγορίες ICDAS II 1 και 2 και στην κατηγορία μέτριες ή εκτεταμένες βλάβες (Γ) οι κατηγορίες ICDAS II από 3 έως 6.Όπως και στην προηγούμενη κατηγοριοποίηση έτσι και σε αυτή τα αποτελέσματα αξιολογήθηκαν αφενός με την παραδοχή ότι όσες επιφάνειες προσδιορίστηκαν από τους εξεταστές σαν ICDAS 0 (υγιείς) και η μέθοδος δεν αναγνώρισε θεωρούνται σαν να έχουν καταταχθεί σωστά από το ACDS. Βρέθηκε ότι ο μέσος όρος (μέση απόκλιση) για την ευαισθησία και την ειδικότητα είναι 0,89 (0,11) και 0,93 (0,08) ενώ η ακρίβεια, η ορθότητα και ο συντελεστής kappa βρέθηκαν να είναι 0,88 (0,16), 0,86 και 0,78 αντιστοίχως.Όταν τα αποτελέσματα το ACDS αξιολογήθηκαν επίσης και με την παραδοχή ότι οι υγιείς περιοχές, όπως κατατάχθηκαν από τους εξεταστές, οι οποίες δεν εντοπίστηκαν από τη μέθοδο θεωρήθηκαν ότι είχαν λάθος κατάταξη. Σε αυτή τη περίπτωση ο μέσος όρος (μέση απόκλιση) για την ευαισθησία και την ειδικότητα είναι 0,86 (0,12) και 0,92 (0,06) ενώ η ακρίβεια, η ορθότητα και ο συντελεστής kappa βρέθηκαν να είναι 0,82 (0,12), 0,83 και 0,78 αντιστοίχως.Για την ιστολογική κατάταξη ορίστηκαν τα διαγνωστικά κατώφλια κατά Ekstrand (ERK2, ERK3). Το διαγνωστικό κατώφλι ΕRK2 ορίστηκε έτσι ώστε ιστολογικές κατατάξεις με τιμή ίση ή μεγαλύτερη από 2 κατά ERK προσδιορίζονται σαν βλάβες, ενώ στο διαγνωστικό κατώφλι ΕRK3 σαν βλάβες προσδιορίζονται ιστολογικές κατατάξεις ίσες-μεγαλύτερες από 3 κατά ERK. Επιλέχθηκε να χρησιμοποιηθούν τα διαγνωστικά κατώφλια ΕRK2 και ΕRK3 διότι το όριο τερηδόνας που αντιπροσωπεύουν βρίσκεται βαθύτερα από την αδαμαντινοοδοντινική ένωση, μεταξύ του εξώτερου και του μέσου τριτημορίου της οδοντίνης. Αντιστοίχως ορίστηκαν και τα διαγνωστικά κατώφλια ICDAS2 και ICDAS3. Σύμφωνα με το πρώτο κατώφλι τερηδονισμένες περιοχές θεωρούνται οι περιοχές που κατατάχθηκαν από το ACDS με τιμή ίση ή μεγαλύτερη από 2 και για το δεύτερο κατώφλι οι περιοχές που κατατάχθηκαν με τιμή ίση ή μεγαλύτερη από 3. Έγιναν επομένως 4 συγκρίσεις. Η πιο ισορροπημένη συμφωνία ανάμεσα στην ιστολογική εικόνα και το ACDS είναι όταν χρησιμοποιείται το κατώφλι ERK3 με το ICDAS3. Σε αυτή τη σύγκριση η συμφωνία βρέθηκε να είναι 92,5%, η ευαισθησία και η ειδικότητα βρέθηκαν να είναι 100% και 91,1% αντιστοίχως ενώ η τιμή kappa είναι 0,76. Παρόμοια ήταν και τα αποτελέσματα της σύγκρισης της οπτικής κατάταξης των βλαβών από τους εξεταστές και της ιστολογικής εικόνας. Ο συνδυασμός ERK3 με το ICDAS3 έδειξε ευαισθησία και ειδικότητα 100% και 95,6% αντιστοίχως ενώ η συμφωνία βρέθηκε να είναι 96,2% και η τιμή kappa είναι 0,87.Συμπεράσματα1.Το ACDS είναι το πρώτο αυτοματοποιημένο σύστημα που χρησιμοποιεί ψηφιακή φωτογραφία της μασητικής επιφάνειας του δοντιού και όχι μόνο αναγνωρίζει μασητικές περιοχές με πιθανή τερηδονική βλάβη αλλά τις ταξινομεί σύμφωνα με το σύστημα ICDAS II. 2.Το σύστημα δεν απαιτεί την παρέμβαση του οδοντίατρου σε κανένα στάδιο της διαδικασίας δίνοντας μια αντικειμενική κατάταξη της βλάβης αποκλείοντας έτσι την υποκειμενικότητα του ανθρώπινου παράγοντα.3.Όταν το ACDS ταξινομεί τις βλάβες στις 7 κατηγορίες του συστήματος ICDAS II η τιμή της ευαισθησίας είναι 0,80, της ειδικότητας 0,96, της ακρίβειας (accuracy) 0,80 και ορθότητας (precision) 0,80, ο δε συντελεστής συσχέτισης k=0,74.4.Όταν το ACDS ταξινομεί τις βλάβες στις σε 3 κατηγορίες (ICDAS=0, ICDAS=1 ή 2 και ICDAS≥3) η τιμή της ευαισθησίας είναι 0,89, της ειδικότητας 0,93, της ακρίβειας (accuracy) 0,88 και ορθότητας (precision) 0,86, ο δε συντελεστής συσχέτισης k=0,78.5.Το ASDC κατατάσσει τις διαφορετικές περιοχές της μασητικής επιφάνειας ξεχωριστά δίνοντας έτσι τη δυνατότητα να έχουν θεραπευτική αντιμετώπιση ανάλογη με τη βαρύτητα που εμφανίζουν.6.Μπορεί να ενσωματώσει με εύκολο και αποτελεσματικό τρόπο στον αλγόριθμο του νέα γνώση σχετικά με τον εντοπισμό και την ταξινόμηση μασητικών τερηδονικών βλαβών7.Το σύστημα μπορεί να “εκπαιδεύεται” επομένως αν δημιουργηθεί μια βάση εικόνων με βλάβες με γνωστή ταξινόμηση κατά ICDAS II θα βελτιωθεί η αξιοπιστία του συστήματος.Θέματα μελλοντικών μελετών1.Δημιουργία βάσης εικόνων με γνωστή κατάταξη μασητικών βλαβών κατά ICDAS II, εκπαίδευση του ACDS και αξιολόγηση την επίδραση της εκπαίδευσης στην αξιοπιστία του συστήματος.2.Μελέτη της επίδρασης στην αξιοπιστία του συστήματος της ταυτόχρονης αξιολόγησης από το ACDS εικόνων στο ορατό φώς και στο υπέρυθρο φάσμα.3.Μελέτη της αξιοπιστίας του συστήματος σε εικόνες από ενδοστοματικές λήψεις μασητικών επιφανειών.
περισσότερα
Περίληψη σε άλλη γλώσσα
IntroductionLiterature in the last decades suggests that there is a substantial decrease in dental caries world wide. This decrease in caries prevalence is attributed to the wide use of fluoride. This is the main reason that this decrease is associated primarily with the smooth surfaces of the tooth and far less with the occlusal ones. Thus the relative percentage of occlusal caries to smooth surface caries has increased over the years. Occlusal surfaces are more vulnerable because fluoride on one hand has a very limited protective effect on them and on the other the complicated 3D morphology of the pits and fissures and the difficulty to remove dental plaque from them makes the problem even bigger. Plaque accumulation and stains make the diagnosis of early carious lesions even more difficult. This is the reason explaining the diversity in caries diagnosis of occlusal caries among dentists.It is also known that early and accurate diagnosis of carious lesions are very important r ...
IntroductionLiterature in the last decades suggests that there is a substantial decrease in dental caries world wide. This decrease in caries prevalence is attributed to the wide use of fluoride. This is the main reason that this decrease is associated primarily with the smooth surfaces of the tooth and far less with the occlusal ones. Thus the relative percentage of occlusal caries to smooth surface caries has increased over the years. Occlusal surfaces are more vulnerable because fluoride on one hand has a very limited protective effect on them and on the other the complicated 3D morphology of the pits and fissures and the difficulty to remove dental plaque from them makes the problem even bigger. Plaque accumulation and stains make the diagnosis of early carious lesions even more difficult. This is the reason explaining the diversity in caries diagnosis of occlusal caries among dentists.It is also known that early and accurate diagnosis of carious lesions are very important requirements for a correct decision whether the lesion will be treated preventively or with minimal invasive techniques. This need led research to develop classification systems that will assign the lesions based on optical criteria. Thus, the clinician will have a tool to classify lesions more reliably so he will reduce wrong decisions. The most widely accepted classification system today is the ICDAS IIAt the same time research develops different devices for caries diagnosis that can evaluate differences in optical or physical properties of the affected enamel. Just considering the variety of the proposed systems suggests that up until now there is no device that can reliably identify and classify carious lesions based on ICDAS II system. AimThe aim of this study is to develop an automated tool capable of diagnosing and classifying carious lesions of occlusal surfaces of posterior teeth based on the ICDAS II system without the intervention of the dentist and furthermore, to compare the accuracy of the tool against the decision of two experts and against the histological picture of selected areas. The Automated Caries Diagnosis System (ACDS) is the tool developed for this purpose.Materials and methodsThe algorithm developed for this study has two steps. In the first step the ACDS evaluates the occlusal surfaces using segmentation techniques and identifies areas of interest. The identification of the areas of interest is completed without intervention from the user. These areas are primarily pits and fissures and/or decalcified or stained areas of the tooth. In the second step the system evaluates these areas of interest and using random forest algorithm and classifies them in the 7 ICDAS II categories. Then the decision of the ACDS was compared with the classification of two experts. Finally there were 53 areas that were selected and the histological sections of them were compared with the decision of the ACDS.There were 103 extracted permanent teeth used for the study that were photographed with a digital camera under standardized conditions. These pictures were evaluated by 2 experts based in ICDAS II system. Every area of the occlusal surface was identified separately and received different ICDAS II code if necessary. Then the pictures were evaluated by ACDS system and the results were compared. Subsequently, 18 teeth were selected and were used to evaluate the agreement of the ACDS with the histological picture of the lesions. There 40 sections prepared that included 53 areas of interest that were classified according to the ERK system. ResultsThe first question evaluated by the study was if the ACDS can identify correctly areas on the occlusal surface that need to be evaluated for carious lesions (areas of interest). In the study there were 103 teeth that were photographed by a digital camera. When these pictures were evaluated by the experts they identified 425 areas of interest. ACDS identified 340 περιοχές (true positive). It also identified 85 false negative surfaces and 118 false positive. Out of these 118, 42 were classified by the experts as areas with cavitation (ICDAS ≥3) and 76 as initial lesions (ICDAS 1 or 2). Sensitivity is 0,80 accuracy is 0,80 and precision 0,74. The following step after the identification of the areas of interest was the classification. The ACDS was evaluated in two cases. In the first case the surfaces that were identified as healthy, ICDAS=0, by the experts and the system did not identified them at all were considered correct. In this case the mean value (standard deviation) of sensitivity and specificity for all ICDAS groups was 0,89 (0,12) and 0,97 (0,05) respectively, while accuracy was 0,82 (0,19). Precision was 0,83 and coefficient kappa 0,78. The ACDS outcome was also evaluated with the consideration that the healthy areas were missed by the ACDS are wrong. In this case the mean value (standard deviation) of sensitivity and specificity for all ICDAS groups was 0,80 (0,18) and 0,96 (0,04) respectively while accuracy was 0,79 (0,17). Precision was 0,79 and coefficient kappa 0,74. ICDAS II system was designed to classify areas based on the stage of progression of the lesion based on optical criteria but also based on this classification to assist the decision of the management of the lesion. From a clinical point of view it would be important to classify the lesions in 3 categories based on the treatment of the lesion. These 3 categories were healthy surfaces (A) with ICDAS II=0, initial lesions that need preventive treatment (B) with ICDAS 1 or 2 and small of extensive cavitated lesions that need restoration (C) with ICDAS ≥3.Following the same thinking as in the previous section the results were evaluated considering areas identified as health by the experts that they were not identified by the ACDS as correct. The mean value (standard deviation) of sensitivity and specificity for all ICDAS groups was 0,89 (0,11) and 0,93 (0,08) while accuracy and precision and coefficient kappa were 0,88 (0,16), 0,86 and 0,78 respectively.When the results were evaluated with the consideration that healthy areas that were not identified by the ACDS were accounted as wrong the mean value (standard deviation) of sensitivity and specificity for all ICDAS groups was 0,86 (0,12) and 0,92 (0,06) while accuracy and precision and coefficient kappa were 0,82 (0,12), 0,83 και 0,78 respectively. In order to evaluate the histological sections of the teeth the diagnostic cut offs ERK and ERK3 were used. The ERK 2 cut off includes areas with ERK≥2 and ERK 3 includes areas with ERK ≥3. These cut off points were evaluated as the front of the caries in both categories are deep beyond the enamel-dentine interface between out and middle third of the dentine. In the same manner, ICDAS2 and ICDAS3 cut offs were considered areas with ICDAS≥2 and ≥3 respectively. Therefore there were 4 comparisons made. The most balanced results were associated with ERK3 and ICDAS 3 cut offs. In this comparison agreement was 92,5%, sensitivity and specificity were 100% και 91,1% respectively while coefficient kappa was 0,76. Similar agreement was found when histological segments were compared with the optical examination of the experts. The combination ERK3 with ICDAS3 showed sensitivity and specificity 100% and 95,6% respectively, while agreement was 96,2% coefficient kappa was 0,87.Conclusions1.ACDS is the first automated system that evaluates digital pictures of occlusal surfaces and not only identifies areas with possible carious lesions but also classifies them based on the ICDAS II system. 2.The system does not need the participation of the user in any part of the process providing an objective classification of the lesions eliminating the subjectivity of the human factor. 3.When ACDS classifies lesions in the 7 ICDAS II sensitivity is 0,80, specificity 0,96, accuracy 0,80 and precision 0,80 and coefficient k=0,74.4.When ACDS classifies lesions in 3 categories (ICDAS=0, ICDAS=1 or 2 and ICDAS≥3) sensitivity is 0,89, specificity 0,93, accuracy 0,88 and precision 0,86 and coefficient k=0,78.5.ASDC classifies different areas of the occlusal surface differently allowing different therapeutic approach based on the condition of the surface.6.ACDS can incorporate easily and efficiently new knowledge regarding the detection and classification of carious lesions.7.ACDS can be trained so if we create a database with pictures of occlusal surfaces with known ICDAS II classification the performance of the system will improve.Topics for future studies1.Compose a database with pictures of occlusal surfaces that will have a known ICDAS II classification and they will be used to train the ACDS and evaluate the effect of this training in the decision outcome of the system.2.Study the effect on the outcome of the ACDS of the combined evaluation of pictures of occlusal surfaces in visible light and in the infrared spectrum.3.Study of the outcome of the ACDS when the system evaluates pictures taken in vivo from an intraoral camera.
περισσότερα