コーンビームCT(CBCT)は、歯科インプラントの術前計画や術後評価に不可欠な高解像度の三次元ビューを提供し、歯科画像診断の要となっている。その利点にもかかわらず、CBCTはしばしばアーチファクト（特に金属インプラントが存在する場合）に妨げられ、画像の劣化、診断の複雑化、手術計画の妨げとなっている。アーチファクトは、インプラント周囲構造や周囲組織の正確な評価に重大な課題をもたらす。X線照射パラメータの調整、ハードウェアやソフトウェアベースの補正など、現在の解決策は部分的な進歩をもたらすが、多くの場合、アーチファクトを完全に除去するにはまだ不十分である。人工知能（AI）の導入は、ディープラーニングアルゴリズムを活用することで、アーチファクトのパターンを特定、修正、さらには予測する、画期的なアプローチを提供する。AIは画質、診断精度、業務効率を向上させる可能性を秘めているが、課題も残っている。AIを歯科画像診断に安全かつ効果的に組み込むためには、モデルがさまざまなCBCT装置、インプラントの種類、患者の解剖学的構造にうまく対応し、多様なデータセットで学習されるようにすることが重要である。患者の安全性と信頼を維持するためには、倫理的な配慮に取り組むことも同様に重要である。今後の研究では、AIと従来のアーチファクト補正技術を組み合わせたハイブリッド手法や、より広範な画像モダリティにわたってアーチファクトを低減するためのAI機能の拡張に焦点を当てるべきである。これらの進歩は、歯科インプラント治療の精度と包括性をさらに高めるだろう。
要旨
イントロダクション
コーンビームCT(CBCT)は、歯科インプラント治療において重要な役割を果たす先進的な画像診断法であり、正確な術前計画と術後評価を可能にする高解像度の三次元画像を生成する。詳細なデータを提供することで、CBCTは手術リスクを最小限に抑え、患者の転帰を改善し、歯科インプラントの長期的な成功をサポートする（Bornstein et al. 2017; Fuglsig et al. 2024; Jacobs et al. 2018）。しかし、CBCT撮影にともなう大きな課題の1つは、アーチファクト、特に歯科インプラントなどの金属物体に起因するアーチファクトの存在である。ここでいうアーチファクトとは、最終的な画像には現れるが、実際には検査対象には存在しない可視化された構造を指す。簡単に言えば、画像の劣化である。これらのアーチファクトは一般的に、スキャン対象物の位置や材質、スキャナーの設定など、スキャンの実際の状態が、3D画像を作成するために使用された数学的モデルと一致しない場合に発生する(Schulze et al. 2011)。金属関連のアーチファクトはさまざまな形で現れる可能性があり、画像の重要な詳細を不明瞭にし、診断精度を複雑にする可能性がある。したがって、歯科インプラント治療におけるCBCTスキャンの信頼性をより深く理解するためには、これらのアーチファクトに対処することが不可欠である。本稿で使用した用語とその臨床的関連性をより深く理解するために、表1に主要な用語、その定義、および口腔インプラント学における重要性を包括的にまとめた。
Table 1: 表1に主要な用語、その定義、および口腔インプラント学における重要性を包括的にまとめた