人工智能能能比传统的线性回归方法更好地预测正统手术的结果吗?

科学领域:

• 牙正和牙面外科 牙正和牙面外科
• 医疗人工智能 医疗人工智能
• 手术预测结果的预测.

背景情况:

• 整形手术需要准确的结果预测,以获得最佳的结果.
• 传统的预测方法,如多变量多重线性回归 (MLR) 和部分最小平方 (PLS),都有局限性.
• 人工智能 (AI) 的整合为预测建模提供了潜在的进步.

研究的目的:

• 为了比较人工智能模型 (TabNet) 与常规方法 (MLR,PLS) 的预测性能,以获得正确的手术结果.
• 为了确定特定的软组织里程碑,AI或传统方法在预测方面表现出色.
• 分析影响在整形手术中预测准确性的因素.

主要方法:

• 分析了705名接受联合手术与正牙治疗的患者的侧面脑图.
• 利用了254个输入变量,包括骨和软组织特征,以及手术重新定位.
• 对32个软组织地标的MLR,PLS和基于TabNet的AI模型的预测准确度进行比较.

主要成果:

• 多变量多重线性回归 (MLR) 显示出最低的预测性能.
• 部分最小平方 (PLS) 在预测上唇以上的16个软组织地标方面表现优于人工智能.
• 人工智能在下下和部区域的六个地标上表现出优异的预测;10个地标没有显著差异.

结论:

• 人工智能预测模型在整形外科手术中并不普遍超过传统方法.
• 部分最小正方形 (PLS) 对上唇标志的预测更好,而AI在下下和部区域表现出色.
• 结合人工智能和传统方法的混合方法可以增强对正统手术结果的预测.