AIによるインプラント体埋入術前シミュレーション診断・ガイド自動設計システムの開発

Research Project

Project/Area Number	24K19982
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 57050:Prosthodontics-related
Research Institution	Hyogo Medical University
Principal Investigator	徳本佳奈兵庫医科大学, 医学部, 助教 (40837126)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000) Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000) Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000) Fiscal Year 2024: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Keywords	口腔インプラント / ガイドサージェリー / 埋入精度 / 人工知能 / 静的サージカルガイド
Outline of Research at the Start	安全で長期的に安定したインプラント治療を実現するためには，埋入手術時の併発症を回避することに加え，正確なインプラント体埋入が重要である．近年，静的サージカルガイドプレートを用いることで，高い精度でインプラント体を埋入することが可能となってきたが，複数の要因が重なることでドリリング窩がシミュレーションから大きく逸脱し，大きなトラブルへ発展することもあった．そこで，本研究はガイドサージェリーで発生しうるインプラント体埋入位置の偏差の事前算出とその偏差が生じる要因の検出，さらに，最も精度の高いインプラント体埋入が期待できるサージカルガイドの自動設計を可能とする人工知能を用いたシステムの開発を目指す．
Outline of Annual Research Achievements	本研究では、静的サージカルガイドを用いたインプラント体埋入手術における術前シミュレーションと実際の埋入位置の誤差を予測するためのシステムを開発することを目的とする。本年度は、倫理委員会での承認を終えて、多施設での研究を開始した。先行研究で作成したデータセットを用いて人工知能による機械学習を行なった。解析データセットを10個のサブセットに分割して、2個のサブセットをハイパーパラメーターチューニング、残りの8個を交差検証に用いた。 Light Gradient Boosting Machine (LightGBM) 2種（gain, split）、 eXtreme Gradient Boosting (XGBoost) 5種（gain, cover, total gain, total cover, weight）、Category Boosting (CatBoost) 1種（Predicion Values Change）の計8種類を用いて埋入誤差へ影響を与える特徴量を評価した。各評価で重要度が上位5以内に一度でも含まれた特徴量は、年齢、開口制限の有無、SGPの種類、残存歯数、アーチファクトを起こす修復歯数、インプラント体同時埋入本数、固定ピンの数、インプラント体の長径、インプラントドリルの形状、スリーブ底までの距離、骨辺縁の頬舌、近遠心傾斜度であった。現在は、口腔内、サージカルガイドならびに顎骨の三次元形状データなどの因子を含めた学習に向けて準備を進めている。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 今年度は、先行研究で作成したデータセットを用いて人工知能による機械学習を予定通り実施できた。三次元形状データを含む学習の準備も進めており、順調に進んでいると考える。
Strategy for Future Research Activity	① 患者の口腔内画像を含むデータセットを使って、シミュレーション時と術後のインプラント体埋入位置の偏差を算出するシステムをAIの機械学習により構築し、その精度を検証する。 ② ①で得られた埋入偏差の事前予測の情報に加えてサージカルガイド、顎骨などの三次元データをAIに深層学習（画像認識）させることで、埋入偏差を最小化するサージカルガイド自動設計システムを構築する。