人工智能用于牙植入物分类和2DX射线图中的周围植入物病理识别:系统性审查
M Bonfanti-Gris1, E Ruales2, M P Salido1
1Department of Conservative Dentistry and Prostheses, Complutense University of Madrid. Plaza Ramon y Cajal, s/n. 28040, Madrid, Spain.
Journal of dentistry
|December 16, 2024
概括
人工智能 (AI) 在对牙科植入物进行分类和从X光照中检测牙周植入物病理方面表现出高准确度. 需要进一步的研究来解决在广泛临床使用之前的局限性.
科学领域:
- 牙科放射学 牙科放射学
- 医学中的人工智能
- 诊断的准确性 诊断的准确性
背景情况:
- 牙植入物分类和周围植入物病理识别对于患者的治疗结果至关重要.
- 2D射线图通常用于牙科诊断.
- 评估AI在这个领域的表现对于临床整合至关重要.
研究的目的:
- 系统地审查和评估AI在牙科植入物分类方面的表现.
- 评估AI在使用2D放射图识别植入周边病理方面的准确性.
主要方法:
- 系统审查观察性研究和临床试验,直到2024年9月.
- 在Medline,Embase和Cochrane数据库中搜索了过去7年的英语出版物.
- 使用QUADAS-2工具评估偏差风险;包括29项研究进行定性分析.
主要成果:
- 人工智能在牙科植入物分类方面表现出高准确度 (67%99%).
- 周围植入物病理检测准确度超过78.6%.
- 有相当数量的纳入研究具有高或不清楚的偏差风险 (25分之29).
结论:
- 人工智能模型,特别是卷积神经网络,显示出牙植入物分类和病理检测的前景.
- 存在局限性,需要进一步研究先进的人工智能技术,如联合学习,以提高通用性.
- 人工智能可以帮助临床医生准确分类和早期检测周植入炎,优化治疗计划.
