MEDICINE & AI

タイトル：Machine learning in dentistry: a scoping review 雑誌名：PLOS Digit Health. 2025 Jul; 4(7): e0000940. 概　要： 本研究は、歯科診断、予後、治療における意思決定に機械学習（ML）がどのように応用されているかを評価するため、スコーピングレビューを実施しました。2018年1月1日から2023年12月31日までの間に発表されたPubMedに索引された英語の文献を対象に、TRIPOD + AI基準に基づいてデータ前処理、モデル検証、臨床性能などの報告要素を評価しました。1,506件の研究のうち280件が選定基準を満たしました。最も多く見られた専門分野は、口腔顎顔面放射線学（27.5%）、口腔顎顔面外科（15.0%）、一般歯科（14.3%）でした。64件（22.9%）の研究は、臨床基準や同じタスクを実行する既存モデルとの比較が欠如していました。モデルの多くは分類に焦点を当てており（59.6%）、生成的応用は比較的少数（1.4%）でした。モデルバイアスの評価が限られていること、外れ値の報告が不十分であること、キャリブレーション評価が乏しいこと、再現性が低いこと、データアクセスが制限されていることが主なギャップとして挙げられました。MLは歯科医療を変革する可能性がありますが、実際の導入には堅牢なキャリブレーション評価と公平性の評価が重要です。今後の研究では、エラーの説明可能性、外れ値の報告、再現性、公平性、前向き検証を優先すべきです。 方　法： 本研究は、2018年1月1日から2023年12月31日までの期間に発表されたPubMedに索引された英語の文献を対象にしたスコーピングレビューです。TRIPOD + AI基準に基づいて、データ前処理、モデル検証、臨床性能などの報告要素を評価しました。最終的に280件の研究が選定基準を満たしました。 結　果： 1,506件の研究のうち280件が選定基準を満たし、口腔顎顔面放射線学（27.5%）、口腔顎顔面外科（15.0%）、一般歯科（14.3%）が最も多く見られました。64件（22.9%）の研究は、臨床基準や同じタスクを実行する既存モデルとの比較が欠如していました。モデルの59.6%が分類に焦点を当てており、生成的応用は1.4%にとどまりました。 結　論： 機械学習は歯科医療に変革をもたらす可能性がありますが、実際の導入にはキャリブレーション評価と公平性の評価が不可欠です。今後の研究では、エラーの説明可能性や再現性、公平性を重視し、前向き検証を行う必要があります。