633データを使用し、さらに個人識別能を検討したところ、本方法の新たな長所と短所が明らかになった。CTパノラマ再構成画像の再構成による歪みが生じている場合や歯種判別が困難な場合は、本方法の精度が低いことが示唆された。しかし、ランドマークの位置判定に明確さを持たない部位を排除し、ランドマーク数が少なくても明確な部位のみで算出した方が判定能力が高いことが判明した。
機械学習によるランドマークの自動描出を試みたところ、様々な画像の大きさに対応するためには、より多くの時間と技術を要することがわかった。そのため、今回はパノラマ画像だけを対象とし、機械学習を行った。自動描出を可能にするために、ランドマークの周辺部位を対象とした。ランドマーク相当部位をやや大きめの四角で囲み、出来るだけ画像の特徴を引き出す工夫を加えた。自動描出は画像のコントラストの強弱に左右されることも判明した。今後は画像のコントラストの性能を向上する必要があると考える。
本法による個人識別では、比較対照データとして生前パノラマX線画像が必須である。そこで本法の特徴である歯槽頂の位置関係の変化に焦点を当て、歯周疾患による歯槽骨の吸収状態の経年変化についても解析した。経年変化を持つ50データを検討した結果、歯周疾患罹患者とそうでない患者との差異が示唆された。今回の結果では、経年変化は、個人識別には大きな影響を与えないことが証明できたが、今後データ数を増やし検討する予定である。
購入した金属アーチファクト低減ソフトにより、画像の鮮明化を行った。一定の効果は得られたが、データ更新システムに課題が残ったため、現在ソフトの改良を求めているところである。