对基于人工智能的软件进行纵向评估,用于在咬翼放射图中检测近距离

科学领域:

• 人工智能在牙科中的应用
• 放射性解读是一种放射性解读技术.
• 诊断的准确性 诊断的准确性

背景情况:

• 人工智能工具越来越多地用于牙科诊断,特别是在解释放射图和检测病理方面.
• 纵向研究对于了解这些人工智能技术的性能随时间的演变至关重要.
• 确保AI在牙科中的临床可靠性和有效使用需要了解其发展轨迹.

研究的目的:

• 纵向评估基于AI的牙科诊断软件的性能变化.
• 评估软件更新对从数字咬伤翼放射图片中检测各种病变的准确性的影响.
• 了解人工智能工具进化对临床可靠性和整合的影响.

主要方法:

• 一项纵向观测研究使用2025年版本的AI软件重新分析了2021年的数据集.
• 评估了300张数字咬翼放射图,以临床验证为参考标准.
• 包括灵敏度,特异性,F1得分和ROC曲线下的面积在内的诊断准确度指标是使用修改的ICDAS标准和McNemar测试来计算的.

主要成果:

• 最新版本的人工智能软件的特异性 (93%) 和AUC (0.794) 提高,但与以前版本相比,灵敏度 (80%) 降低.
• 没有错误的表面减少了 (65.7%),边界框和遗漏错误增加了.
• 麦克纳马的测试表明,在AI软件版本之间的配对分类中,存在统计学上显著的差异 (p < 0.001).

结论:

• 纵向评估显示,人工智能软件正在转向更高的特异性和减少过度诊断,但灵敏度降低,假负结果更多.
• 临床医生必须意识到,人工智能诊断工具随着数据暴露而演变,随着时间的推移影响其性能.
• 持续的纵向性能监测对于人工智能工具在现实世界牙科环境中安全有效地集成至关重要.