人工智能模型用于预测内结局的诊断效率 - - 一个系统性审查和元分析
Divya Gupta1, Amar Kumar Shaw2, Abhijit Bajirao Jadhav3
1Department of Conservative Dentistry and Endodontics, M A Rangoonwala College of Dental Sciences and Research Centre, Pune, Maharashtra, India.
概括
人工智能 (AI) 显示出中度灵敏度,但在从X光片中诊断内牙疾病时的特异性较低. 人工智能可能有助于查,但需要进一步验证临床数据来预测治疗结果.
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:
- 内牙疾病的诊断往往依赖于放射性解释.
- 人工智能 (AI) 模型越来越多地被用于牙科诊断支持.
- 评估AI对内牙疾病的诊断准确度至关重要.
研究的目的:
- 系统地审查和评估人工智能模型的诊断性能,以从放射数据中预测内牙状况.
- 将人工智能模型的诊断能力与牙科专家进行比较.
主要方法:
- 按照PRISMA-DTA检查清单进行系统审查,注册在PROSPERO.
- 从2000年1月到2024年12月搜索数据库进行比较诊断准确性研究.
- 使用 QUADAS-2 评估了偏差风险,并使用 Meta-Disc 1.4 和 Review Manager 5.3.3 进行了元分析.
主要成果:
- 包括5项具有中度至低偏差风险的研究.
- 后分析结果显示,聚合灵敏度为0.83和特异性为0.33 (AUC=0.54).
- 人工智能模型表现出中度灵敏度,但特异性低,表明错误阳性率高.
结论:
- 基于图像的人工智能显示出作为内牙放射学标志的辅助查工具的潜力.
- 目前的人工智能模型缺乏全面的临床数据,限制了它们预测治疗结果的能力.
- 整合临床和治疗变量的前性验证是强大的AI应用所必需的.
