Periodontal hastalık / durumları doğru sınıflandırabiliyor muyuz?: Bir periodontolog örneklemi ve yapay zeka
Türk Periodontoloji Derneği 53. Bilimsel Kongresi, Antalya, Türkiye, 7 - 10 Kasım 2024, ss.77, (Özet Bildiri)
- Yayın Türü: Bildiri / Özet Bildiri
- Basıldığı Şehir: Antalya
- Basıldığı Ülke: Türkiye
- Sayfa Sayıları: ss.77
- Süleyman Demirel Üniversitesi Adresli: Evet
Özet
Amaç: Bu çalışmanın amacı, lisansüstü periodontoloji eğitimi almış ya da almakta olan meslektaşlarımızın çeşitli klinik, radyolojik ve biyokimyasal verileri sunulan vakalar üzerinden koydukları tanıların güncel sınıflamaya göre (2018) uygunluğunun belirlenmesidir. Çalışma ayrıca, bu teşhislerin bir yapay zeka (AI) uygulamasında oluşturulan modellerle tutarlılığını değerlendirmeyi amaçlamaktadır. Gereç-Yöntem: 29.12.2023 tarihinde (karar no: 91) etik uygunluğu onaylanan çalışmamızda, Türk Periodontoloji Derneği aracılığıyla lisansüstü periodontoloji eğitimi almış ya da almakta olan, meslektaşlarımıza iletilen 8 vakaya ait verilerin sunulduğu çoktan seçmeli yanıtları içeren çevrimiçi anket uygulandı. Meslektaşlarımızın verdiği yanıtlar her soru için doğruluk yüzdesi ile değerlendirildi. Yapay zeka yöntemlerinden olan XGBC ve CatBoost ile aynı vakaların tanısı belirlendi. Bulgular-Sonuç: Anketi yaşları 20 ile 60 yaş arasında değişen, 108 meslektaşımız tamamladı. %65,7’si kadın, %59,3’ü 26-30 yaş aralığında ve %66,7’si 1-5 yıllık mesleki tecrübesi olan çalışma popülasyonu vakaları sırasıyla %93,5, %84, %87,9, %54,7, %83,2, %55,1, %91,7, %89,7 doğrulukla yanıtladı. Yapay zekâ modelleri periodontal sağlık durumunu %100, periodontitis hastalarındaki derecelendirmeyi %75 tanısal doğruluk ile tespit etmiştir. Periodontal hastalık ve durumların doğru tedavisi için birincil ve vazgeçilmez koşul, yeterli bilgi ve tanı tutarlılığıdır. Güncel sınıflamanın içselleştirilmesi için lisans ve lisansüstü eğitimde güncel sınıflamaya daha fazla yoğunlaşılması gerektiği söylenebilir. Bulgularımız Türkiye’deki periodontolog örneklemini tam olarak yansıtamayacağı için ileri çalışmalara gereksinim vardır
Purpose: This study aims to determine the accuracy of diagnoses made by colleagues, who completed/currently undergoing postgraduate periodontology training, based on cases presented with various clinical, radiological, and biochemical data according to the current classification (2018). Additionally, the study aims to evaluate the consistency of these diagnoses with models created in an artificial intelligence (AI) application. Materials-Methods: In our study, which was ethically approved on 29.12.2023 ( decision number: 91), an online survey containing multiple-choice responses to 8 cases’ data was administered to colleagues, through the Turkish Society of Periodontology. The answers were evaluated with the percentage of accuracy for each question. The diagnoses of the same cases were also determined using AI methods, specifically XGBC and CatBoost. Results and Conclusion: The survey was completed by 108 colleagues aged between 20- 60. The study population consisted of 65.7% females, 59.3% in the age range of 26-30 years, and 66.7% with 1-5 years of professional experience. The cases were answered with accuracy rates of 93.5%, 84%, 87.9%, 54.7%, 83.2%, 55.1%, 91.7%, and 89.7%, respectively. The AI models identified the periodontal health status with 100% diagnostic accuracy and the staging in periodontitis patients with 75% accuracy. The primary and indispensable condition for the correct treatment of periodontal diseases and conditions is knowledge and diagnostic consistency. It can be suggested that more emphasis is needed in undergraduate/ postgraduate education to internalize the current classification. Since our findings may not fully reflect the sample of periodontologists in Turkey, further studies are required.