人工智能在检测边缘骨损失方面有多准确? 一个系统的审查和元分析
Huei-Min Chiang1, Karolina Jonzén2, Wendy Yi-Ying Wu3
1Department of Odontology, Section for Molecular Periodontology, Umeå University, Sweden.
Journal of dentistry
|October 8, 2025
概括
人工智能 (AI) 在检测边缘骨损失方面表现出高准确度,用于从放射图中诊断牙周炎. 然而,由于方法问题和缺乏纵向数据,临床应用受到限制.
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:
- 在X光照上检测边缘骨损失对于牙周炎诊断至关重要,但具有挑战性和耗时.
- 人工智能 (AI) 具有提高牙科放射学诊断准确性和效率的潜力.
研究的目的:
- 与牙科专业人员相比,评估AI在识别膜骨和估计边际骨损失方面的准确性.
- 评估人工智能的能力,以检测随着时间的推移骨水平的变化.
主要方法:
- 根据PRISMA指南进行了系统审查,重点是诊断准确性.
- 在主要数据库 (PubMed,科学网,Cochrane,Scopus) 进行了搜索,截至2025年8月.
- 对16项研究进行了元分析,对边际骨损失的二元分类进行了分析,并进行了偏差风险评估.
主要成果:
- 人工智能模型在边际骨损失方面表现出高的诊断准确性 (综合灵敏度为92.3%,特异性为91.7%,AUC为0.97).
- 人工智能在检测膜骨上表现出有前途的表现.
- 发现了显著的异质性和偏差风险;没有研究评估了纵向变化或临床设置.
结论:
- 人工智能显示出在牙周护理中帮助诊断决策的潜力.
- 目前的临床实用性受到方法学限制和缺乏现实世界的验证的限制.
- 未来的研究需要专注于外部验证,多样化的数据集和临床整合的纵向分析.


