人工智能模型在使用牙科图像检测骨质疏松症的诊断准确性:系统性审查和元分析
Gita Khadivi1, Abtin Akhtari2, Farshad Sharifi3
1Department of Oral and Maxillofacial Radiology, School of Dentistry, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
概括
人工智能 (AI) 通过使用牙图像准确诊断骨质疏松症. 这次审查发现AI模型显示出高灵敏度和特异性,支持其临床使用.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 骨质疏松症的诊断 骨质疏松症的诊断
背景情况:
- 骨质疏松症 (OP) 诊断通常依赖于骨密度计,这并不总是可以获得的.
- 牙科放射图为OP查提供了一个潜在的替代方案.
- 人工智能 (AI) 在分析医疗图像以用于诊断目的方面表现有前途.
研究的目的:
- 系统地审查和元分析人工智能模型用于骨质疏松症诊断的准确性,使用牙图像.
- 评估人工智能算法的诊断性能 (灵敏度和特异性) 在检测骨质疏松症时.
主要方法:
- 在2022年10月对主要数据库 (PubMed,Scopus,Web of Science,Google Scholar) 进行了全面的文献搜索,并于2023年11月更新.
- 包括的研究使用人工智能模型来从牙科放射图中诊断骨质疏松症.
- 使用随机效应模型的R"meta"包进行了元分析;使用QUADAS-2工具评估了研究质量.
主要成果:
- 在640个记录中,有22项研究被纳入了定性分析,12项研究被纳入了元分析.
- 对人工智能辅助骨质疏松症诊断的整体聚合灵敏度为0.85 (95% CI,0.70-0.93),聚合特异性为0.95 (95% CI,0.91-0.97).
- 深层卷积神经网络表现出高性能,聚合灵敏度为0.87和特异性为0.92.
结论:
- 人工智能模型在从牙部图像诊断骨质疏松症方面表现出显著的准确性,具有高的聚合灵敏度和特异性.
- 这些发现支持人工智能辅助分析牙科放射图的潜力,作为骨质疏松症查的可靠工具.
- 未来的研究应该专注于更大的数据集和标准化的成像协议,以进一步验证基于AI的骨质疏松症诊断方法.
