牙科教育中的人工智能:关于牙检测准确度和教师协议的试点研究
Somyung Ji1, Ladan Daly2, Kumar Shah3
1Section of Oral and Maxillofacial Radiology, UCLA School of Dentistry, Los Angeles, California, USA.
Journal of dental education
|December 16, 2025
概括
像"第二意见"这样的人工智能 (AI) 工具可以通过改善指导员在放射性虫检测方面的协议来帮助牙科教育. 这种人工智能工具的性能与教练的性能相当,提高了牙科放射评估的一致性.
科学领域:
- 牙科教育 牙科教育
- 放射学解释 放射学解释
- 医学中的人工智能
背景情况:
- 牙科教育依赖于精确的放射性病检测.
- 确保教师之间的一致性对于有效的教学至关重要.
- 人工智能 (AI) 提供了潜在的工具来支持诊断准确性.
研究的目的:
- 评价人工智能工具 对于放射性虫检测指令的第二意见.
- 评估AI对教练诊断表现和协议的影响.
- 确定人工智能的潜力,以提高牙科放射学指令的一致性.
主要方法:
- 使用教师校准数据用于牙科博士前学生模块.
- 评估教练的诊断性能,有或没有人工智能辅助.
- 评估了各种损伤深度的性能指标.
主要成果:
- 导师表现出高的基线诊断性能 (>91%).
- 第二份意见表现出强烈同意教师评估的观点.
- 人工智能辅助口译带来了适度的,不显著的性能改进,并增加了一致同意.
结论:
- 第二个意见的诊断性能与牙科教练相提并论.
- 人工智能工具增强了在虫检测中指导人员之间的协议.
- 人工智能辅助解释可以提高牙科放射学指令的一致性和评估可靠性.


