基于人工智能的技术用于虫风险预测和评估:一个范围审查
Sonal Bhatia1, Vinay Kumar Gupta1, Sumit Kumar1
1Department of Public Health Dentistry, King George's Medical University, Lucknow, Uttar Pradesh, India.
Journal of oral biology and craniofacial research
|September 25, 2025
概括
人工智能 (AI) 在牙损伤风险评估 (CRA) 和预测 (CRP) 中表现有前途. 机器学习算法,特别是后勤回归和随机森林,与传统方法相比,在识别有风险的个体方面表现优越.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 机器学习 机器学习
- 公共卫生 公共卫生
背景情况:
- 牙损仍然是一个重大的公共卫生问题,需要准确的风险评估和预测.
- 虫风险评估 (CRA) 的传统方法在准确性和效率上可能存在局限性.
- 人工智能 (AI) 的整合为牙科诊断和个性化风险评估提供了潜在的进步.
研究的目的:
- 系统地审查人工智能用于虫风险评估 (CRA) 和预测 (CRP) 的现有证据.
- 确定在基于AI的CRA/CRP中使用的方法的范围.
- 总结这些人工智能应用程序的性能指标,局限性和挑战.
主要方法:
- 在MEDLINE,EMBASE和谷歌学者数据库中对2013年至2023年间发表的研究进行了全面的搜索.
- 研究选择涉及标题,摘要和全文选,基于预定义的标准.
- 数据提取使用一个包含八个维度的自定义检查列表来绘制研究特征和发现.
主要成果:
- 该审查包括来自3059项检索研究的初始池中的13篇文章.
- 物流回归和随机森林是最常用的AI方法.
- 性能指标是异质的,灵敏度从0.59到0.996不等,特异性从0.531到0.943. 常见的预测因素包括社会人口统计学,口腔卫生和饮食因素.
结论:
- 机器学习算法主要用于基于AI的CRA模型.
- 与传统方法相比,人工智能方法具有潜在的优异特异性和整体性能.
- 人工智能在CRA中的应用对预防可避免的慢性疾病,如牙,具有重大意义.
