人工智能与人类牙科专业知识在诊断腹腔周围病变的腹腔周围放射:一个多中心研究

科学领域:

• 牙科放射学 牙科放射学
• 人工智能在医学中的应用
• 诊断的准确性 诊断的准确性

背景情况:

• 周周病变的诊断对于内牙成功至关重要,但受到2D成像限制和解释主观性的挑战.
• 人工智能 (AI) 是一个潜在的解决方案,但与人类临床医生相比,它的诊断细粒度需要彻底调查.
• 评估人工智能在解释周围放射图中的作用对于推进诊断能力至关重要.

研究的目的:

• 评估ChatGPT-5的诊断准确性,以识别周周放射性异常.
• 将ChatGPT-5的性能与三位经过董事会认证的口腔放射科医生的共识进行比较.
• 调查在周围放射图解读中正确AI分类的协议和预测因素.

主要方法:

• 一个追溯的诊断准确性研究,涉及270个周围的X射线图.
• 通过ChatGPT-5使用标准化提示符和由三位专家口腔放射学家的共识独立解释X线图.
• 人工智能与专家共识之间的诊断准确性,一致性 (科恩的卡帕) 和分类预测因素的比较.

主要成果:

• 聊天GPT-5实现了高灵敏度 (87.5%),但低特异性 (12.5%),产生了50.0%的整体诊断准确度.
• 人工智能模型表现出过度识别病理的倾向,将87.5%的X射线图分类为异常,而专家则为50.0%.
• 对于解剖学定位 (κ = 0.857) 的一致性几乎是完美的,但对于异常检测 (κ = 0.000) 却很差;对于病变边界的表征 (κ = 0.127) 发现了显著的分歧.

结论:

• 聊天GPT-5在视觉解读周周放射图片方面表现出高灵敏度,但有限的特异性和不一致的形态特征表征妨碍了其临床诊断可靠性.
• 人工智能系统系统地过度诊断和描述病变不同于牙科专家,将其归类为更具结构定义的病变.
• 人工智能具有作为敏感的初始查工具的潜力,但发现需要牙科专业人员的验证,以减轻错误阳性并确保准确的表征.