基于人工智能平台的诊断准确性,用于检测形辐射在形光束计算机断层扫描上的辐射
Marwa Allihaibi1, Garrit Koller2, Francesco Mannocci2
1Department of Endodontics, Faculty of Dentistry, Taif University, Taif, Saudi Arabia; Department of Endodontics, Centre for Oral, Clinical and Translational Sciences, Faculty of Dentistry, Oral & Craniofacial Sciences, King's College London, London, UK.
Journal of dentistry
|June 2, 2025
概括
人工智能平台Diagnocat在使用CBCT扫描检测非根充满的牙中检测周周放射性光 (PARL) 时显示出高灵敏度. 然而,在术后扫描中,它的诊断性能显著下降,需要人类监督.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 牙周辐射发光 (PARL) 是牙科放射学中常见的发现.
- 形束计算断层扫描 (CBCT) 越来越多地用于诊断PARLs.
- 人工智能 (AI) 具有提高放射学诊断准确性的潜力.
研究的目的:
- 评估AI平台Diagnocat在检测PARL中的诊断性能.
- 评估Diagnocat在手术前和手术后的CBCT牙扫描中的性能.
- 将基于人工智能的检测与专家内牙医评估进行比较.
主要方法:
- 使用CBCT扫描对134个牙 (327根) 的回顾性分析.
- 将Diagnocat的PARL检测与两个内牙医的评估进行比较 (参考标准).
- 诊断指标的评估,包括灵敏度,特异性,准确性,PPV,NPV,F1得分和AUC-ROC.
主要成果:
- 在手术前扫描中,Diagnocat对PARLs表现出高灵敏度 (93.9%的牙,86.2%的根) 和中等特异性 (65.2%的牙,79.9%的根).
- 曲线下的面积 (AUC) 为0.76 (牙水平) 和0.79 (根水平).
- 手术后扫描显示,积极预测值 (PPV) 和F1分数明显较低.
结论:
- 在非根充满的牙中检测PARL,Diagnocat显示出有希望的结果,具有高灵敏度但适度的特异性.
- 人类监督对于减轻潜在的过度诊断至关重要.
- 术后扫描的性能下降,表明需要进一步优化和研究临床整合.
