检测正牙根再吸收的人工智能:对诊断准确性的系统审查和元分析
Karla Nogueira Matos1, Hugo Henrique Dos Santos Dantas Guimarães2
1Department of Dentistry, University of São Paulo, São Paulo, Brazil.
Journal of the World federation of orthodontists
|March 11, 2026
概括
人工智能 (AI) 在正牙成像中在检测外部根再吸收 (ERR) 和外部宫再吸收 (ECR) 方面表现出高精度. 先进的AI模型,特别是使用CBCT成像和变压器架构的模型,显示了改善诊断的有希望的结果.
科学领域:
- 牙科和口腔卫生 牙科和口腔卫生
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 外部根吸收 (ERR) 和外部宫吸收 (ECR) 是常见的正牙并发症.
- 早期和准确地检测ERR/ECR对于预防牙不可逆转的损伤至关重要.
研究的目的:
- 综合人工智能 (AI) 的诊断准确性,用于在正牙成像中检测ERR/ECR.
- 基于成像模式和AI模型架构来比较AI性能.
主要方法:
- 使用人工智能检测ERR/ECR在人体或ex-vivo正牙成像中的研究的系统审查.
- 数据提取真阳性,假阳性,真阴性和假阴性的数据.
- 使用双变的随机效应模型进行聚合灵敏度,特异性和异质性分析.
主要成果:
- 包括5项研究 (1089张图像),显示综合灵敏度为90.7%,特异性为91.8%.
- 基于形束计算断层扫描 (CBCT) 的AI模型优于全景成像模型.
- 变压器/混合人工智能架构的准确性略高于卷积神经网络 (CNN),尽管子组分析有限.
结论:
- 人工智能对ERR/ECR具有很高的诊断准确性,特别是在CBCT和高级模型架构中.
- 由于小型,地理限制的数据集,中等的异质性和有限的概括性需要谨慎的解释.
- 未来的研究应该专注于大型的多中心数据集,标准化的协议和外部验证,以确保人工智能在正学中的可靠临床整合.
