临床医生主导的神经网络的开发和可行性,用于评估3D牙腔准备,辅助对话性AI
Mohammed El-Hakim1, Haitham Khaled2, Amr Fawzy1
1Dental School, University of Western Australia, Perth 6009, Australia.
Dentistry journal
|November 26, 2025
概括
临床医生现在可以开发人工智能模型来评估牙腔准备,而无需编码技能,使用像ChatGPT这样的大型语言模型. 这使得低成本,人工智能驱动的临床前恢复性牙科评估成为可能.
科学领域:
- 牙科教育 牙科教育
- 人工智能的人工智能
- 计算机科学 计算机科学
背景情况:
- 人工智能 (AI) 在牙科教育中越来越重要,但其在临床前评估中的应用是有限的.
- 像ChatGPT这样的大型语言模型 (LLM) 克服了编码障碍,使非程序员能够开发具有实时指导的AI模型.
- 这为牙科教育提供了临床医生主导的,具有成本效益的AI解决方案.
研究的目的:
- 授权临床医生为临床前恢复性牙科创建AI驱动的评估模型.
- 评估使用神经网络进行3D空腔准备的技术可行性.
- 在牙科教育中展示一种低成本的AI开发方法.
主要方法:
- 20个被提取的下牙与准备好的腔室被扫描成3D点云.
- 一位临床医生在ChatGPT的指导下,使用PyTorch.开发了一个基于PointNet的神经网络.
- 人工智能模型在20个准备中接受了训练,并在10个未见的案例中进行了测试.
主要成果:
- 人工智能模型在培训和测试数据集上与专家审查员的分数有很强的一致性.
- 在测试组中,该模型获得了Pearson的r=0.92,50%的预测在考官得分的5%以内.
- 结果表明,早期可用于评分临床前腔室制剂的概括性,证实了技术可行性.
结论:
- 临床医生主导的,低成本的AI开发用于3D腔腔评估是可行的,使用LLM如ChatGPT.
- 这种方法使牙科人工智能工具的创建民主化,即使对于那些没有编程专业知识的人来说也是如此.
- 这项研究验证了人工智能的使用,以提高临床前牙科评估和教育.
