Periodontitis adalah kondisi peradangan kronis yang menyerang jaringan penyangga gigi dan ditandai dengan hilangnya tulang periodontal. Jika tidak segera tertangani, penyakit ini dapat menyebabkan gigi goyang hingga tanggal, serta berdampak pada kemampuan mengunyah, estetika, hingga kesehatan mental seseorang.
Salah satu cara utama untuk mendeteksi kondisi ini adalah melalui pemeriksaan radiograf, khususnya radiograf periapikal. Namun, identifikasi kerusakan tulang periodontal (periodontal bone loss atau PBL) dari radiograf secara manual seringkali kurang akurat dan membutuhkan waktu, karena harus mengukur jarak antara beberapa titik anatomi penting pada gigi.
Dalam beberapa tahun terakhir, teknologi Artificial Intelligence(AI), khususnya model Convolutional Neural Network(CNN), mulai digunakan untuk mendeteksi PBL secara otomatis. CNN mampu mengenali pola visual kompleks dalam citra radiograf, sehingga mempercepat dan meningkatkan akurasi diagnosis.
Peninjauan literatur terbaru menunjukkan bahwa CNN telah berhasil digunakan dalam dua pendekatan utama: klasifikasi dan segmentasi. Pendekatan klasifikasi menggolongkan citra menjadi kategori tertentu, seperti “gigi sehat” atau “gigi dengan PBL”, bahkan hingga tingkat keparahan seperti ringan, sedang, dan berat. Sementara itu, pendekatan segmentasi digunakan untuk menggambar secara tepat area tulang yang mengalami kehilangan. Ssehingga lebih akurat dalam mengukur persentasenya.
Model CNN yang paling banyak digunakan dalam studi-studi ini antara lain VGG-Net, ResNet, Inception, dan U-Net. Kinerja CNN dinilai menggunakan metrik seperti akurasi, sensitivitas, dan F1-score, yang menunjukkan seberapa baik model dalam membedakan kondisi sehat dan yang mengalami PBL.
Meskipun CNN menunjukkan hasil menjanjikan, masih ada beberapa tantangan yang perlu diatasi. Salah satunya adalah perlunya data latih yang mencukupi dan representatif, serta keterlibatan para ahli untuk memastikan hasil pelabelan (ground truth) yang akurat. Selain itu, pendekatan deteksi objek, yang menandai titik-titik penting seperti batas gusi dan akar gigi secara otomatis, masih belum banyak dieksplorasi dalam radiograf periapikal.
Dengan pengembangan lebih lanjut, sistem AI berbasis CNN berpotensi besar menjadi alat bantu diagnosis yang efisien dan akurat bagi dokter gigi. Teknologi ini bukan hanya mempercepat proses analisis radiograf, tetapi juga meningkatkan konsistensi dan keandalan diagnosis penyakit periodontal di masa depan.
Penulis: Ramadhan Hardani Putra
Informasi detail dapat diakses pada tautan berikut:
