Inovasi Teknologi Artificial Intelligence Foto Panoramik untuk Penomoran Gigi dan Deteksi Karies Dalam Bidang Kedokteran Gigi Anak

Latar belakang: Radiografi panoramik anak banyak digunakan untuk menilai perkembangan gigi, fase gigi bercampur, dan patologi dental. Namun, interpretasi radiografi panoramik membutuhkan waktu dan sangat dipengaruhi pengalaman pemeriksa, terutama ketika penomoran gigi dan deteksi karies harus dilakukan secara simultan pada pasien anak. Tujuan: Mengembangkan dan mengevaluasi teknologi artificial intelligence foto panoramik untuk penomoran gigi otomatis dan deteksi karies dalam bidang kedokteran gigi anak. Metode: Studi akurasi diagnostik potong lintang retrospektif ini menggunakan 842 radiografi panoramik digital anak usia 3-17 tahun yang diperoleh dari arsip radiologi digital RSGMP Universitas Hasanuddin. Citra disimpan sebagai file .jpg dengan resolusi awal 2864 x 1504 piksel dan bit depth 8-bit. Alur kerja object detection YOLOv8l dua tahap dikembangkan, yaitu Tahap I untuk penomoran gigi menurut sistem FDI dan Tahap II untuk deteksi terkait karies. Citra dibagi secara acak menjadi data latih, validasi, dan uji dengan rasio 70:20:10. Pra-pemrosesan dilakukan secara spesifik sesuai tugas. Performa dievaluasi menggunakan precision, recall, F1-score, intersection over union (IoU), dan mean average precision pada IoU 0,50 (mAP@0.5). Hasil : Tahap I mencakup 32.620 anotasi penomoran gigi pada 52 kelas. Model penomoran gigi menghasilkan rerata mAP@0.5 sebesar 0,649, precision 0,652, recall 0,633, dan F1-score 0,642. Performa lebih tinggi pada gigi permanen (mAP@0.5 = 0,744) dibandingkan gigi sulung (mAP@0.5 = 0,529). Tahap II mencakup 6.917 anotasi terkait karies pada empat kelas. Model deteksi karies menghasilkan mAP@0.5 keseluruhan sebesar 0,165, precision 0,287, recall 0,248, dan F1-score 0,220. Kelas keterlibatan pulpa menunjukkan performa terbaik, sedangkan lesi email menunjukkan performa terendah. Kesimpulan: Alur kerja AI yang diusulkan menunjukkan kelayakan integrasi penomoran gigi dan deteksi karies pada radiografi panoramik anak. Model menunjukkan performa lebih baik untuk penomoran gigi permanen dan karies lanjut dibandingkan gigi sulung serta lesi email awal. Temuan ini menegaskan perlunya dataset multisenter yang lebih besar, anotasi yang seimbang antar kelas, dan validasi eksternal sebelum implementasi klinis.