隣接面う蝕のAI検出は初学者と熟練者で効き方が違うか ― 治療に踏み切る閾値への影響を測るランダム化試験 ― 臨床試験（ClinicalTrials.gov）

1見つけるところから、削るかどうかまで

歯と歯が接する面にできる隣接面う蝕は、外から見えにくくエックス線画像に頼って見つける。しかし画像で影が見えたからといって、すぐ削るとは限らない。初期の脱灰であればフッ化物の塗布や経過観察で対応することが多く、どの段階で切削に踏み切るかは読影する側の判断に委ねられる。ここに検出を助けるAIが入ると、影響は検出だけにとどまらない。

見つかる病変が増えれば、削るかどうかの判断が求められる回数も増える。この研究は、その連鎖を正面から扱う。

2誰が使うかで効果が変わるという仮説

同じAIを渡しても、受け取る側の習熟度によって結果は変わりうる。この研究がその比較を主眼に置いていることは、医療AIの評価としてやや珍しい。多くの試験はモデルの精度や患者の転帰を測るが、ここで問われているのは「AIが人の判断をどう変えるか」であり、しかもその変化が一律ではないという前提に立っている。

表に整理した対比はこの研究が検証しようとする仮説であって、結果が示されたものではない。

3患者への処置ではなく読影を割り付ける

介入の内容はエックス線画像の読影であり、患者に異なる処置を割り付ける試験ではない。介入研究に分類されてはいるが、実際に操作されているのは読影する側の条件だ。う蝕の検出は歯科で最も頻度の高い判断の一つであり、そこにAIが入ることの影響を、患者を治療に曝すことなく測れる設計になっている。

2026年9月2日時点で当サイトが保持するAI関連の臨床試験803件のうち、歯科・う蝕に関わるものは25件と多くはない。

4教育の場に置かれる問い

読影の初学者は、これから自分の基準を作っていく段階にある。その時期にAIの指摘を日常的に受け取ることが、基準の形成にどう作用するかは、精度の議論とは別に考えるべき問題だ。AIが正しいときにその通りに従うのは望ましいとしても、AIが示さなかった病変を疑う力まで育つのかは分からない。

目標60人という規模はあくまで初期の検証にとどまるが、扱っている問いは歯科に限らず、画像診断AIが教育現場に入るときに共通して現れるものだ。