📄 medicine

Development and external validation of an AI pipeline for fully automated DMFT determination from panoramic radiographs

Diese Studie präsentiert eine Deep-Learning-Pipeline, die eine vollautomatisierte DMFT-Bestimmung aus Panoramaröntgenaufnahmen erreicht, mit einer Gesamtübereinstimmung, die vergleichbar mit der zwischen menschlichen Zahnärzten ist, wobei sie eine starke Leistung bei der Identifizierung fehlender und gefüllter Zähne zeigt, während sie gleichzeitig anhaltende Herausforderungen bei der Detektion kariöser Zähne aufgrund der Limitationen der Panoramaaufnahme hervorhebt.

Ursprüngliche Autoren: Babak Saravi, Veronika Shavlokhova, Ashraf Türky, Daman Deep Singh, Felix Schrader, Andreas Vollmer, Norbert Kübler, Christoph Sproll, Lara Schorn

Veröffentlicht 2026-06-26

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Babak Saravi, Veronika Shavlokhova, Ashraf Türky, Daman Deep Singh, Felix Schrader, Andreas Vollmer, Norbert Kübler, Christoph Sproll, Lara Schorn

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Ihr Mund wäre eine geschäftige Stadt und der DMFT-Index ist der offizielle Berichtsheft dieser Stadt. Er zählt drei Dinge:

Decayed teeth (decaidierte Zähne – die mit Karies).
Missing teeth (fehlende Zähne – die leeren Grundstücke).
Filled teeth (gefüllte Zähne – die, die repariert wurden).

Jahrzehntelang musste ein menschlicher Zahnarzt ein Panorama-Röntgenbild (ein einzelnes, breites Foto Ihres gesamten Kiefers) betrachten und diese manuell zählen. Es ist, als würde ein Bibliothekar versuchen, jedes Buch in einem Regal zu zählen, während er dicke Handschuhe trägt; das kostet Zeit, und zwei verschiedene Bibliothekare könnten etwas unterschiedlich zählen.

Dieses Paper stellt einen digitalen Assistenten (eine KI) vor, der dasselbe Röntgenbild betrachten und das Berichtsheft automatisch für Sie schreiben kann. Hier ist, wie sie ihn gebaut haben und was sie herausgefunden haben, einfach erklärt:

1. Das Training: Den Roboter lehren

Die Forscher haben die KI mit einer riesigen Bibliothek von 705 Röntgenbildern (aus dem „DENTEX 2023“-Datensatz) trainiert. Sie haben der KI nicht nur Bilder gezeigt; sie gaben ihr einen „Lösungsschlüssel“, bei dem ein Mensch bereits markiert hatte, welche Zähne gesund, welche kariert und welche gefüllt waren.

Stellen Sie sich das wie einen Schüler vor, der für eine Abschlussprüfung lernt, indem er 705 Übungstests mit den bereits in roter Tinte geschriebenen Antworten durchgeht. Die KI lernte, die Muster eines „gesunden“ Zahns, eines „karierten“ Zahns und eines „gefüllten“ Zahns zu erkennen.

2. Der Test: Die Blind-Herausforderung

Um zu sehen, ob die KI wirklich intelligent war oder nur die Übungstests auswendig gelernt hatte, gaben die Forscher ihr einen brandneuen, geheimen Test.

Sie nahmen 100 Röntgenbilder aus einem anderen Krankenhaus, die die KI noch nie gesehen hatte.
Sie baten zwei echte Experten – Zahnärzte –, die DMFT-Werte auf diesen 100 Bildern unabhängig voneinander zu zählen.
Dann berechneten sie den Durchschnitt der Antworten der beiden Zahnärzte, um einen „Goldstandard“ (die bestmögliche menschliche Antwort) zu erstellen.
Schließlich ließen sie die KI denselben Test absolvieren.

3. Die Ergebnisse: Wie hat die KI abgeschnitten?

Die Ergebnisse waren überraschend gut, aber mit einer großen Einschränkung.

Der Gesamtwert: Der DMFT-Gesamtwert der KI lag fast so nah am menschlichen „Goldstandard“ wie die beiden menschlichen Zahnärzte am Ergebnis der jeweils anderen. Wenn zwei Menschen zu 88 % übereinstimmen, stimmte die KI zu 90 % überein. Mit anderen Worten: Die KI war so zuverlässig wie ein zweiter Zahnarzt.
Die Siege bei „Missing“ und „Filled“: Die KI war ein Superstar beim Erkennen von fehlenden Zähnen (leere Stellen) und gefüllten Zähnen (Reparaturen). Sie war hier sehr genau und entsprach fast perfekt den Menschen.
Der Kampf mit „Decayed“: Die KI war deutlich schwächer darin, karierte Zähne (Karies) zu entdecken. Sie übersah oft kleine Kariesstellen oder sah Karies, wo keine war.
- Warum? Das Paper erklärt, dass Panorama-Röntgenbilder so sind, als würde man eine Stadt aus einem hohen Flugzeug betrachten; man sieht die großen Gebäude (fehlende/gefüllte Zähne) klar, aber es ist schwer, die kleinen Schlaglöcher auf Straßenniveau zu erkennen. Zudem wurde die KI mit Daten trainiert, die etwas zu „großzügig“ darin waren, Dinge als Karies zu bezeichnen, weshalb sie dazu neigt, sie überzuzählen.

4. Die „Überzählungs“-Eigenart

Weil die KI so begierig darauf war, Karies zu finden, neigte sie dazu, einen etwas höheren DMFT-Wert anzugeben als die Menschen. Im Durchschnitt fügte sie dem Wert etwa 1,25 Punkte hinzu.

Stellen Sie sich vor, Sie würden eine Prüfung korrigieren und würden jedem Schüler versehentlich 1 Punkt extra geben, weil Sie zu großzügig sind. Die KI macht das bei der Karies.
Trotz dieser Überschätzung lag der Wert der KI in 84 % der Fälle innerhalb von nur 3 Punkten des Scores der menschlichen Experten.

5. Geschwindigkeit und Zweck

Die KI ist unglaublich schnell. Sie kann ein vollständiges Mund-Röntgenbild in etwa 0,3 Sekunden analysieren (schneller als ein Mensch blinzeln kann). Ein menschlicher Zahnarzt benötigt für dieselbe Aufgabe 1 bis 5 Minuten.

Wofür dieses Paper diese KI tatsächlich vorsieht:
Die Autoren betonen vorsichtig, dass dieses Werkzeug kein Ersatz für einen Zahnarzt ist. Sie benötigen immer noch einen Menschen, der den Patienten betrachtet. Stattdessen sehen sie es als ein Hilfswerkzeug (wie eine Rechtschreibprüfung für Zahnärzte), das:

Hilft, den Zählvorgang zu standardisieren, damit alle das gleiche Ergebnis erhalten.
Die Arbeitsbelastung der Zahnärzte reduziert, indem es die einfachen Teile übernimmt (das Zählen fehlender und gefüllter Zähne).
Zur schnellen Überprüfung der Mundgesundheit großer Gruppen von Menschen (wie bei einer stadtweiten Gesundheitsumfrage) unter Verwendung alter Röntgenakten verwendet werden kann.

Das Fazendiktum

Dieses Paper beweist, dass eine KI auf ein dentales Röntgenbild schauen und fehlende sowie gefüllte Zähne fast so gut zählen kann wie ein menschlicher Zahnarzt. Sie hat zwar etwas Schwierigkeiten, kleine Kariesstellen zu entdecken, und neigt dazu, diese zu überzählen, aber insgesamt ist sie ein schneller, zuverlässiger Assistent, der Zahnärzten und Gesundheitsorganisationen helfen kann, eine schnelle, standardisierte Momentaufnahme der Mundgesundheit zu erhalten.

Technische Zusammenfassung: Entwicklung und externe Validierung einer KI-Pipeline zur automatisierten DMFT-Bestimmung

Problemstellung
Unbehandelte dentale Karies bleibt eine der weltweit am weitesten verbreiteten chronischen Erkrankungen, was eine zuverlässige epidemiologische Überwachung mittels des DMFT-Index (Decayed-Missing-Filled-Teeth) erforderlich macht. Während der DMFT-Index der Standard für die an die Weltgesundheitsorganisation (WHO) angelehnte Überwachung der Mundgesundheit ist, ist seine manuelle Rekonstruktion aus Panoramaradiographien (OPGs) zeitaufwendig und unterliegt einer signifikanten Inter-Rater-Variabilität. Aktuelle Arbeitsabläufe stützen sich auf eine Kombination aus intraoraler Inspektion und Bildgebung, wobei die einmalige Erfassung eines OPG die einzige Methode ist, um das gesamte Gebiss simultan zu visualisieren. Obwohl Deep Learning in angrenzenden Aufgaben wie der Kariesdetektion und der Identifizierung von Restaurationen Fortschritte gemacht hat, wurde bisher kein System veröffentlicht, das eine vollständig automatisierte, patientenbezogene DMFT-Bestimmung aus einer einzelnen Panoramaradiographie durchführt und dabei eine rigorose Unsicherheitsquantifizierung gegenüber einer externen klinischen Kohorte validiert.

Methodik
Die Studie entwickelte eine Single-Stage-Deep-Learning-Pipeline unter Verwendung eines YOLO26x-Detektors (Ultralytics), einer nativen End-to-End-Objekterkennungsarchitektur.

Daten und Annotation:
- Training: Das Modell wurde auf 705 annotierten Panoramaradiographien aus dem öffentlichen DENTEX 2023-Datensatz trainiert. Die Annotationen wurden von pathologischen Labels in drei Zielklassen umkodiert: Gesund (Healthy), Karies (Caries – Zusammenführung zweier Karies-Grade) und Gefüllt (Filled). Der Status der Zahnrestauration wurde über eine externe Liste integriert, die den FDI-Positionen zugeordnet war.
- Externe Validierung: Das System wurde an 100 anonymisierten OPGs aus einem unabhängigen Universitätsklinikum (Universitätsklinikum Düsseldorf) getestet.
- Referenzstandard: Zwei Zahnärzte annotierten die 100 externen Bilder unabhängig voneinander nach den reinen WHO-DMFT-Konventionen (Ganzzahl-Zählungen von D, M, F). Der adjudizierte Referenzwert war der komponentenweise Mittelwert der beiden Rater, gerundet auf die nächste Ganzzahl.
Pipeline-Architektur und Inferenz:
- Training: Das Modell wurde mittels AdamW unter Verwendung eines Cosine-Annealing-Lernraten-Schedules auf 1024-Pixel-Bildern mit Mosaic-Augmentierung feinjustiert.
- Inferenzstrategie: Um die Robustheit zu gewährleisten, nutzte die Pipeline eine vierfache Test-Time-Augmentation (TTA), bestehend aus Identität, horizontaler Spiegelung sowie zwei Skalierungsvarianten (0,83× und 1,20×). Die Vorhersagen aus diesen Augmentationen wurden mittels Weighted-Box-Fusion (WBF) bei einem IoU-Schwellenwert von 0,55 fusioniert.
- Zähllogik:
  - Decayed (D) und Filled (F): Abgeleitet direkt aus den detektierten Bounding Boxes der jeweiligen Klassen.
  - Missing (M): Inferiert statt explizit detektiert. Das System berechnete $M = \max(0, 28 - \text{Anzahl vorhandener Zähne})$ unter Einhaltung einer 28-Zahn-Konvention, die Weisheitszähne aufgrund häufiger Trunkierung oder Impaktion in OPGs ausschließt.
  - DMFT-Index: Berechnet als Summe $D + M + F$ .
Evaluationsmetriken:
Die Leistung wurde mittels Intraklassen-Korrelationskoeffizient (ICC 2,1), Pearson-Korrelation, mittlerem absoluten Fehler (MAE) und Bland–Altman-Analyse mit 10.000-Resampling-Bootstrap-Konfidenzintervallen bewertet. Die Übereinstimmung wurde gegen den adjudizierten menschlichen Referenzwert gemessen und mit der Inter-Rater-Übereinstimmung zwischen den beiden Zahnärzten verglichen.

Hauptergebnisse

Gesamtübereinstimmung: Die KI-Pipeline erreichte einen ICC von 0,90 und eine Pearson-Korrelation von 0,91 gegenüber dem adjudizierten menschlichen Referenzwert. Diese Leistung war statistisch nicht unterscheidbar von der Inter-Rater-Übereinstimmung der zwei menschlichen Zahnärzte (ICC 0,88; Differenz +0,02, 95 % CI -0,04 bis 0,09).
Fehlermetriken: Der mittlere absolute Fehler (MAE) der KI betrug 2,21 DMFT-Einheiten, vergleichbar mit dem menschlichen Inter-Rater-MAE von 2,13.
Bias und Übereinstimmungsgrenzen: Die Bland–Altman-Analyse ergab einen systematischen positiven Bias von +1,25 DMFT-Einheiten (Überschätzung durch die KI) mit 95 % Übereinstimmungsgrenzen im Bereich von -4,0 bis 6,5.
Komponentenspezifische Leistung:
- Fehlende und gefüllte Zähne: Die Übereinstimmung war stark (Pearson $r = 0,90$ bzw. $0,91$).
- Kariesbedingte Zähne (Decayed): Die Übereinstimmung war schwach (Pearson $r = 0,33$ ), was als primäre Fehlerquelle identifiziert wurde.
Kumulative Übereinstimmung: 84 % der Radiographien lagen innerhalb von ±3 DMFT-Einheiten der Referenz, 90 % innerhalb von ±5 Einheiten.
Subgruppenanalyse: Die Leistung blieb über verschiedene Bildschärfe-Tertiile und DMFT-Schweregrad-Strata hinweg relativ einheitlich. Der Fehler nahm in kariesfreien Munden nicht ab, was bestätigt, dass die Überschätzung durch systematische Karies-Überdetektion und nicht durch die Komplexität der Fälle getrieben wird.
Effizienz: Die Inferenzzeit betrug etwa 0,3 Sekunden pro OPG auf einer Consumer-Grade NVIDIA RTX 3090 GPU, was signifikant schneller ist als die manuelle Auswertung.

Bedeutung und Ansprüche
Das Paper behauptet, das erste Deep-Learning-System zur vollständig automatisierten Bestimmung des DMFT-Index aus Panoramaradiographien zu präsentieren, das an einer unabhängigen externen Kohorte validiert wurde. Die primäre Bedeutung liegt in dem Nachweis, dass eine KI-Pipeline eine Gesamtübereinstimmung mit geschulten Zahnärzten erreichen kann, die mit der Übereinstimmung zwischen den Zahnärzten selbst vergleichbar ist.

Die Autoren positionieren das System nicht als Ersatz für die klinische Untersuchung, sondern als Entscheidungsunterstützungs- und Dokumentationswerkzeug. Sie heben hervor, dass die Pipeline besonders robust bei der Bewertung fehlender und gefüllter Zähne ist – Komponenten, die für die Behandlungsplanung und die bevölkerungsbezogene Überwachung entscheidend sind – während sie gleichzeitig einräumen, dass die Komponente der Karies aufgrund der inhärenten Auflösungsbeschränkungen der Panoramaradiographie eine Limitation darstellt. Die Studie unterstreicht die Machbarkeit der Nutzung routinemäßig erstellter OPGs für eine standardisierte, skalierbare Überwachung der Mundgesundheit, was potenziell die Arbeitsbelastung der Untersucher und die Inter-Rater-Variabilität in epidemiologischen Studien reduzieren kann.