基于人工智能的模型在检测,细分和分类周周病变中的应用和性能:系统性审查

科学领域:

• 牙科 牙科是指牙科的专业.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 牙周病变经常被检测为牙科成像上的放射性光.
• 牙医在诊断这些病变的准确性各不相同.
• 人工智能 (AI) 为改善牙科诊断准确性提供了潜在的解决方案.

研究的目的:

• 审查人工智能模型在检测,细分和分类周周病变方面的应用和性能.
• 评估人工智能在周周病变诊断中的当前状态.

主要方法:

• 在主要数据库 (PubMed,Scopus,Embase等) 进行了系统的文献搜索. 从2000年1月到2025年3月.
• 28项研究符合资格标准,分析了AI在检测,细分和分类方面的应用.
• 放射数据包括全景,口内和CBCT扫描.

主要成果:

• 人工智能在71.4%的研究中被用于检测,在10.7%的研究中被用于细分,在10.7%的研究中被用于分类.
• 人工智能模型实现了高精度 (70%-99.65%),灵敏度 (65%-100%) 和特异性 (62%-100%).
• 32.1%的研究具有显著的偏差风险,总体证据确定性中等.

结论:

• 人工智能技术可以显著帮助临床医生,特别是经验较少的临床医生,更准确地诊断周围病变.
• 前性研究和随机临床试验对于验证AI在临床实践中的有效性和成本效益至关重要.