Czy AI może oszacować ryzyko osteoporozy na podstawie rutynowych zdjęć RTG zębów gęstości kości szczęki ?

Osteoporoza często wpływa na gęstość kości szczęki przed wystąpieniem objawów ogólnoustrojowych. Sztuczna inteligencja przeszkolona na zdjęciach rentgenowskich zębów mogłaby oszacować gęstość mineralną kości bez dodatkowego napromieniowania. Mogłoby to umożliwić okazjonalne badania przesiewowe podczas wizyt u dentysty. Dokładność zależy od jakości obrazu oraz kalibracji różnych systemów obrazowania.

Background

Osteoporosis often affects jaw bone density before causing systemic symptoms, making opportunistic screening during dental visits attractive. Deep-learning models trained on panoramic dental radiographs (orthopantomograms) analyze trabecular bone microarchitecture to estimate systemic bone loss. Reported performance in validation cohorts reaches sensitivities around 80–90% for identifying low bone mineral density, approaching the accuracy of dual-energy X-ray absorptiometry (DEXA) scans. Variability in X-ray equipment, the absence of standardized acquisition and calibration protocols, and the need for broader validation across diverse populations currently limit clinical adoption. Current tools remain largely research-oriented, though several commercial dental AI platforms have begun to integrate osteoporosis risk-assessment features. AI training relies on large annotated datasets linking radiographic jaw features to DEXA-derived bone mineral density or clinical osteoporosis diagnoses, with cross-site validation essential to ensure generalizability. Calibration across different panoramic systems and patient subgroups is critical to reduce false positives and negatives. Future directions include federated learning to harmonize multi-vendor datasets and integration of AI outputs into electronic health records to facilitate clinician follow-up.