人类和人工智能辅助咬翼放射和近红外反射成像为基础的方法用于检测近距离虫的准确性评估:一个组织学验证
Nicole Rodrigues1, Francisco Martinez-Rus1, Alicia Miguel-Calvo1
1Department of Conservative and Prosthetic Dentistry, Faculty of Dentistry, Complutense University of Madrid, Madrid, Spain.
Caries research
|June 1, 2025
概括
使用牙科放射图的人体检查员比人工智能更好地检测了近距离. 近红外反射成像 (NIRI) 也显示出用于检测牙损伤的临床应用的希望.
科学领域:
- 牙科 牙科是指牙科的专业.
- 诊断成像 诊断成像 诊断成像
- 医疗保健中的人工智能
背景情况:
- 准确检测近距离牙对于及时进行牙科治疗至关重要.
- 传统的方法,如咬翼放射,在灵敏度和特异性上有局限性.
- 像近红外反射成像 (NIRI) 等新兴技术提供了潜在的进步.
研究的目的:
- 为了比较近距离虫检测的诊断准确性.
- 评估口腔内咬翼放射 (人与人工智能),NIRI和组织学.
- 确定最有效的方法来识别早期牙腐烂.
主要方法:
- 用组织学作为黄金标准分析了171个近牙表面.
- 诊断测试包括人类评估的咬翼放射,人工智能评估的放射 (Denti.AI) 和操作员进行的NIRI (iTero Element 5D®).
- 统计分析涉及灵敏度,特异性,预测值,F1得分,AUC和Fleiss Kappa. 这是一个很好的方法.
主要成果:
- 与NIRI (F1=52%) 和AI (F1=23%) 相比,检查人员的放射性评估显示了更高的灵敏度 (52%) 和F1得分 (60%) 和AI (F1=23%).
- NIRI显示出优异的特异性 (98.9%) 和PPV (96.4%),这表明对积极结果的信心很高.
- 人工智能指导评估具有最低的灵敏度 (13.7%) 和AUC (0.548),这表明本研究的诊断性能有限.
结论:
- 人类放射性评估和NIRI比人工智能更有效地检测近距离.
- 检查人员评估的放射图提供了最好的整体诊断准确度.
- 尼里显示出临床应用的潜力,特别是其高特异性.
