目的：口腔内写真は診断や治療計画に広く用いられるが，歯周炎の活動性を示すBleeding on Probing（BOP）を直接評価することはできず，従来はプロービング操作に伴う不快感や出血リスクが避けられなかった。本研究では，プロービング前に撮影された口腔内写真からBOPを予測するAIモデルを構築し，歯科医師の判定と比較することを目的とした。
材料および方法：朝日大学医科歯科医療センターを受診した254名から得た427枚の上顎前歯部写真を対象とし，BOPの有無を正解ラベルとしてニューラルネットワークによるディープラーニングを実施した。学習にはAlexNetテンプレートと自動最適化ネットワークを使用した。また，同一画像を歯科医師10名が独立して評価し，AIとの判定精度を比較した。
成績：AlexNet初期状態の正解率は50.0％であったのに対し，自動最適化ネットワークでは80.7％と高い精度を示した。歯科医師の正答率は最高72.9％，平均67.0％であった。
結論：口腔内写真を用いたBOP予測AIは歯科医師と同等以上の精度を示し，非侵襲的に歯周炎の活動性を推定できる有用な手法となる可能性が示唆された。今後は全顎的フォーマットやPISA推定，スクリーニング・セルフケア支援への応用を検討したい。
