评估AI软件在全景放射图中识别受影响的牙的诊断准确度
Miltiadis A Makrygiannakis1,2, Eleftherios G Kaklamanos2,3,4
1School of Dentistry, National and Kapodistrian University of Athens, 2 Thivon str., Athens 11527, Greece.
European journal of orthodontics
|October 15, 2025
概括
人工智能 (AI) 在全景射线图上识别受影响的第三牙方面表现有前途,但其对其他受影响的牙的准确性有限,尚未取代人类牙科专家.
科学领域:
- 牙科诊断 牙科诊断 牙科诊断
- 医疗保健中的人工智能
- 放射学解释 放射学解释
背景情况:
- 人工智能 (AI) 工具越来越多地应用于牙科.
- 在全景放射图中评估AI对冲击牙的诊断准确度至关重要.
研究的目的:
- 评估人工智能平台 (DiagnocatTM 1.0) 的诊断准确性,用于使用全景射线图识别受影响的牙.
- 将AI的表现与人类观察者的表现进行比较.
主要方法:
- 分析了四套50张全景放射图:受影响的狗牙,第三牙,其他牙和没有受影响的牙.
- 软件DiagnocatTM 1.0和两个人类观察员独立评估图像.
- 统计分析包括科恩的卡帕,灵敏度,特异性,PPV,NPV,威尔科克森的签名等级测试和麦克纳马的测试.
主要成果:
- 人工智能平台对受影响的牙表现出高特异性和正预测值 (PPV),没有假阳性.
- 对受影响的第三牙观察到良好的敏感性,但对其他受影响的牙存在局限性.
- 与人类专家相比,对受影响的第三牙发现了几乎完美的协议,但对于受影响的狗和其他牙只有公平的协议.
结论:
- 基于人工智能的平台显示了检测受影响的第三牙的潜力.
- 目前的人工智能性能不足以取代全景放射图中对受影响的牙的人类评估.
- 回顾性设计和方便采样可能会限制概括性.
