在全景放射学上检测骨质疏松症的人工智能:系统性审查和元分析
Nikoo Ghasemi1, Rata Rokhshad2, Qonche Zare3
1Department of Orthodontics and Dentofacial Orthopedics, School of Dentistry, Zanjan University of Medical Sciences, Zanjan, Iran.
Journal of dentistry
|February 26, 2025
概括
人工智能 (AI) 在检测骨质疏松症时,通过牙科全景放射图显示出高准确度. 需要进一步的研究来标准化人工智能模型,以便在骨质疏松症查中广泛临床使用.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 骨质疏松症研究 骨质疏松症研究
背景情况:
- 骨质疏松症是一种骨疾病,其特征是骨密度低,骨折风险增加.
- 全景图像上的下骨形态用于骨质疏松症检测.
- 人工智能 (AI) 提供了从X光片中诊断骨疾病的潜力.
研究的目的:
- 系统地审查和评估人工智能的证据,以在全景放射图中检测骨质疏松症.
- 在这种情况下,合成人工智能算法的诊断准确度指标.
主要方法:
- 在多个数据库 (PubMed,Scopus,Embase,IEEE,arXiv,Google Scholar) 中进行了全面的文献搜索.
- 包括使用人工智能检测骨质疏松症在牙全景图像上的研究.
- 质量评估使用了QUADAS-2工具;诊断准确性进行了元分析 (灵敏度,特异性,DOR,LR+).
- 使用GRADE系统评估证据的确定性.
主要成果:
- 包括24项研究,AI准确度从50%到99%不等.
- 聚合的灵敏度为87.92%和特异性为81.93% (DOR=32.99,LR+=4.87). 这是一个很好的结果.
- 发现了显著的异质性和潜在的出版偏差,样本大小的影响最小.
结论:
- 人工智能,特别是深度学习,在全景放射图上显示了骨质疏松症的高诊断准确性.
- 人工智能具有强大的潜力,可以在牙科环境中增强骨质疏松症查.
- 进一步验证,标准化和更大的研究对于临床实施至关重要.
