使用3D人工智能驱动模型进行智慧牙切除后下膜神经损伤的风险评估:患者内部研究
Fernando Fortes Picoli1, Rocharles Cavalcante Fontenele2, Frederic Van der Cruyssen3
1OMFS IMPATH Research Group, Department of Imaging and Pathology, Faculty of Medicine, University of Leuven and Department of Oral & Maxillofacial Surgery, University Hospitals Leuven, KU Leuven, Kapucijnenvoer 7, 3000, Leuven, Belgium; School of Dentistry, Federal University of Goiás, Goiânia, GO, Brazil.
Journal of dentistry
|February 14, 2024
概括
一个新的3D人工智能 (AI) 模型显示,与传统成像相比,智牙切除后下膜神经 (IAN) 损伤的风险评估与传统成像相似. 这种AI方法可能有助于预测IAN受伤风险.
科学领域:
- 牙科 牙科是指牙科的专业.
- 在口腔外科手术.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 下膜神经 (IAN) 损伤是下智牙 (M3M) 切除期间的风险.
- 准确的手术前评估IAN损伤风险对于手术规划和患者安全至关重要.
研究的目的:
- 为了比较一个新型的三维 (3D) 人工智能 (AI) 驱动的模型与全景放射 (PANO) 和形束计算断层扫描 (CBCT) 进行IAN损伤风险评估.
- 为了评估这些成像模式的诊断性能,在患者内部的受控试验中.
主要方法:
- 一项患者内部对照试验包括25名双边M3M移除和单边IAN损伤的患者.
- 分析了手术前的PANO和CBCT图像.
- 从CBCT数据中生成了下沟和牙的3D-AI模型.
- 五名盲目考官使用每个模式评估了IAN受伤风险 (高,中,低).
主要成果:
- 对IAN伤害风险评估的敏感度为3D-AI的0.87,CBCT的0.89和PANO的0.73.
- 接收器操作曲线下的面积 (AUC) 值为0.63 (3D-AI),0.58 (CBCT) 和0.57 (PANO).
- 其特异性值为0.39 (3D-AI),0.28 (CBCT) 和0.41 (PANO) 的结果.
- 在诊断参数的模式之间没有发现统计学上显著的差异 (p>0.05).
结论:
- 在去除M3M后对IAN损伤的风险评估在3D-AI,PANO和CBCT中是可比的.
- 该研究开创了3D人工智能模型用于IAN伤害风险评估的先驱.
- 来自CBCT的AI驱动的3D模型显示了在M3M删除程序中增强IAN风险评估的潜力.
