グラフニューラルネットワークと拡散モデルを用いた術後側面セファログラムとしての顎矯正手術結果予測

概要

ランドマーク予測と潜在拡散モデルを統合したGPOSC-Netにより、術前情報から高忠実な術後側面セファログラムを生成。複数データセット検証、視覚的チューリングテスト、シミュレーションで高精度なランドマーク予測と画像生成が示され、術前計画と患者説明の支援が期待される。

主要発見

• セファロメトリーのランドマーク予測と潜在拡散画像生成を統合したGPOSC-Netを提示。
• 多様なデータセットで術後ランドマーク位置を高精度に予測。
• 視覚的チューリングテストとシミュレーションにより高忠実な術後側面セファログラム生成を検証。

臨床的意義

術後形態の予見により意思決定の共有、期待値調整、処置計画の精緻化を促し、予測結果と計画の整合により再手術の低減に寄与し得る。

限界

• 多施設外部検証や臨床アウトカムとの相関は未報告。
• 術式選択や実臨床の再手術率への影響は未検証。

今後の方向性

意思決定影響を評価する前向き試験、3D CBCTとの統合、センター横断の公開ベンチマーク（コード・データ共有）を推進。