人工智能的诊断准确度与手动检测在固定假肢周围边缘骨损失. 一个系统的审查
Syeda Abeerah Tanveer1, Bibi Fatima1, Robia Ghafoor1
1Department of Surgery, Section of Operative Dentistry and Endodontics, Aga Khan University Hospital, Karachi, Pakistan.
概括
人工智能 (AI) 在2D射线图上显示出在假肢冠周围检测边缘骨损失 (MBL) 的强大潜力,通常优于手工方法. 在临床广泛采用之前需要进一步验证.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 假肢冠周围的边缘骨损失 (MBL) 是围植入炎的一个关键指标.
- 准确检测MBL对于及时干预和治疗计划至关重要.
- 传统的X光解读MBL可以是主观的和耗时的.
研究的目的:
- 评估人工智能 (AI) 在检测假肢冠周围边际骨损失 (MBL) 的精度.
- 总结最近的进展和人工智能对MBL检测的未来挑战.
- 将基于AI的检测与手动解释方法进行比较.
主要方法:
- 电子数据库的综合文献调查于2023年11月进行.
- 与放射学,人工智能,骨损失和假肢冠状相关的MeSH术语被用于搜索.
- 在49个已识别的文章中,从49个符合纳入标准的相关文章中选择了5个相关文章.
主要成果:
- 在大多数研究中,人工智能模型在检测边际骨损失 (MBL) 方面表现出优异的能力,而不是手动检测.
- 人工智能模型的灵敏度,特异性和准确性与全景和口腔内X射线图上的手动检测进行了评估.
- 一些研究发现没有显著差异,但大多数研究表明AI的性能提高.
结论:
- 人工智能模型对分析复杂数据集和预测固定假肢周围的MBL显示出有希望的准确性.
- 目前用于MBL检测的AI模型仍处于开发阶段.
- 在临床实施之前,严格评估人工智能模型的有效性和可靠性至关重要.
