Eine aktuelle Studie zeigt, dass Modelle der künstlichen Intelligenz auf Basis einer Transformer-Architektur die Erkennung von Karies in panoramischen Zahnröntgenaufnahmen verbessern können.
Artikel
Eine im Jahr 2026 in der wissenschaftlichen Zeitschrift Scientific Reports veröffentlichte Studie entwickelte ein Modell der künstlichen Intelligenz zur Erkennung von Karies in panoramischen Zahnröntgenbildern, das auf einer sogenannten Transformer-Architektur basiert.
Für das Training des Systems verwendeten die Forscher 3.856 panoramische Röntgenaufnahmen mit insgesamt 12.847 zuvor identifizierten kariösen Läsionen, die nach ihrem Schweregrad (D1–D4) klassifiziert wurden.
Das Modell erreichte eine durchschnittliche Präzision (mAP) von 87,3 % bei der Erkennung von Läsionen, mit einer Sensitivität von 81,3 % für frühe Karies (D1) und 84,7 % für Läsionen des Grades D2. Damit übertraf es frühere Modelle der künstlichen Intelligenz, die hauptsächlich auf konvolutionalen neuronalen Netzwerken (CNN) basierten.
Was bedeutet „Transformer“-Architektur?
Transformer-Modelle sind eine Art von KI-Architektur, die sogenannte Aufmerksamkeitsmechanismen („attention“) verwendet, um verschiedene Bereiche eines Bildes gleichzeitig zu analysieren und deren Beziehungen zueinander zu berücksichtigen.
Bei der Analyse dentaler Röntgenbilder ermöglicht dieser Ansatz dem System, sowohl kleine Details – etwa subtile Veränderungen im Zahnschmelz oder Dentin – als auch den anatomischen Kontext des gesamten Zahns und der umliegenden Strukturen zu berücksichtigen. Dies kann besonders bei panoramischen Röntgenaufnahmen hilfreich sein, bei denen sich Strukturen häufig überlagern und frühe Läsionen schwer erkennbar sind.
Das im Rahmen der Studie entwickelte System integriert zudem Mechanismen der räumlichen Aufmerksamkeit und eine multiskalige Informationsfusion, wodurch Bildinformationen auf unterschiedlichen Detailstufen kombiniert werden können.
Eine weitere bemerkenswerte Eigenschaft ist die sehr schnelle Analysezeit: Das Modell kann eine panoramische Röntgenaufnahme in etwa 70 Millisekunden auswerten, was eine potenzielle Nutzung als diagnostische Unterstützung in der klinischen Praxis ermöglichen könnte.
Nach Ansicht der Autoren könnten solche Systeme künftig als Unterstützung bei der diagnostischen Entscheidungsfindung dienen, insbesondere zur Verbesserung der Konsistenz bei der Erkennung früher kariöser Läsionen.
Quelle
Scientific Reports
Wang L., Li Z.
“Transformer-based intelligent detection model for early dental caries in panoramic radiographs.”