人工智能对骨III类缺陷的治疗预测:一个系统性审查
R Hasbi1, A Brotons2, M Le Gall3
1Department of Orthodontics, School of Dental Medicine, Aix-Marseille University, Marseille, France; Dentofacial Orthopaedics Unit, Timone Hospital, Marseille, France; Artificial Intelligence and Biomarkers, Faculty of Medicine, Aix-Marseille University, Marseille, France; Applied Biomechanics Laboratory, Gustave Eiffel University, Marseille, France.
International journal of oral and maxillofacial surgery
|March 3, 2026
概括
人工智能 (AI) 模型在预测 III 类骨患者需要进行骨关节手术时显示出高准确度. 机器学习和深度学习算法可以帮助临床医生在复杂的缺陷治疗决策.
科学领域:
- 矯正牙醫和牙臉整形醫學
- 医疗保健中的人工智能
- 骨缺陷分析 骨缺陷分析
背景情况:
- 骨III类缺陷呈现复杂的治疗选择,包括正义牙科和正义牙科手术.
- 临床评估对于最佳的治疗计划至关重要,潜在的AI支持.
- 预测 ортогнатик手术的必要性是管理III类病例的关键挑战.
研究的目的:
- 评估人工智能模型在预测III类患者 ортогнатик手术的需要方面的表现.
- 使用人工智能识别影响骨III类缺陷治疗决策的关键预测因素.
- 评估机器学习 (ML) 和深度学习 (DL) 在这种诊断环境中的实用性.
主要方法:
- 从2009年到2024年,以PRISMA为指导的电子数据库 (PubMed, Web of Science) 的系统审查.
- 包括使用ML或DL对III类缺陷的脑表和临床数据的研究.
- 对15项符合条件的研究进行了批判性评估,总结了模型性能指标 (精度,灵敏度,特异性,AUC).
主要成果:
- ML算法 (随机森林,XGBoost) 和DL模型 (CNNs) 在预测外科手术需求方面表现出高准确性.
- 发现的关键预测因素包括Wits评估,ANB角度,上口比 (Mx/Md),超射和下角分歧.
- 随机森林和XGBoost在表式脑表测量数据方面表现出色,而CNN在成像数据方面表现良好.
结论:
- 人工智能工具在帮助治疗III类骨缺陷的治疗决策方面显示出显著的前景.
- 具体的ML和DL模型提供基于脑度和临床数据的手术必要性的可靠预测.
- 用更大,多中心数据集和外部验证进行进一步的研究对于临床实施和可靠性至关重要.
