多模式人工智能的可靠性,用于评估临床前不钢皇冠制剂:与人类专家进行比较研究
1Department of Orthodontics and Pediatric Dentistry, College of Dentistry, Qassim University, Buraydah, Saudi Arabia.
International journal of paediatric dentistry
|November 7, 2025
概括
克劳德-3.7-索内特-推理在评估不钢皇冠 (SSC) 制剂方面实现了人类专家的可靠性. 这种人工智能 (AI) 模型显示出对标准化儿科牙科教育和反的承诺.
科学领域:
- 牙科教育 牙科教育
- 医疗保健中的人工智能
- 临床前牙科 临床前牙科
背景情况:
- 人工智能 (AI) 具有提高临床前儿科牙科评估的一致性和客观性的潜力.
- 评估AI在评估牙科手术中的可靠性对于其融入教育至关重要.
研究的目的:
- 在评估不钢皇冠 (SSC) 制剂时,与人类专家相比,评估各种多式联络AI模型的可靠性.
- 确定用于临床前儿科牙科评估的最可靠的AI模型.
主要方法:
- 一项横截面研究分析了牙科学生的133种SSC准备剂,每种准备剂使用5张照片.
- 人工智能模型和人类专家评估了基于封闭性减少,近接性减少和完成标准的准备.
- 使用类间相关系数 (ICC) 来比较人工智能和人类专家的评估.
主要成果:
- 克劳德-3.7-索内特-推理表现出与人类专家的异常一致 (ICC = 0.89).
- 其他人工智能模型显示不同程度的协议,从中等 (o4-mini,ICC = 0.57) 到没有协议 (o3,ICC = -0.03).
- 最常见的是近距离减少错误 (39.2%),在错误检测中具有显著的评估者间变异性.
结论:
- 克劳德-3.7-索内特推理在评估SSC准备工作时表现出人类专家级别的可靠性.
- 人工智能模型可以作为标准化临床前儿科牙科评估的宝贵工具,提供即时反,并可能减少教师的工作量.
