人工智能用于评估全景牙科影像中的牙科发现——多国家研究
计算机视觉与模式识别
2025-02-17 v1
摘要
牙科全景 radiograph (DPR) 在临床实践中广泛用于进行全面的口腔评估，但由于重叠结构和解释时间限制，面临着诸多挑战。本研究旨在通过开发、评估 AI 系统并将其性能与人类读者在跨国数据集上的性能进行比较，为 AI 自动化评估 DPR 中的发现提供坚实的基线。我们分析了来自荷兰、巴西和台湾的 6,669 份 DPR，聚焦于 8 种牙科发现。AI 系统结合了目标检测和语义分割技术，用于每个牙齿的发现识别。性能指标包括灵敏度、特异度和受试者工作特征曲线下面积 (AUC-ROC)。测试了 AI 在跨数据集的泛化能力，并将其性能与人类牙科从业者进行了比较。AI 系统在识别周围牙髓坏死 (灵敏度提升 +67.9%，95% 置信区间：54.0%-81.9%，p < .001) 和识别缺失牙齿 (灵敏度提升 +4.7%，95% 置信区间：1.4%-8.0%，p = .008) 方面表现优于人类读者。AI 实现的在 8 种发现上的宏平均 AUC-ROC 为 96.2%（95% 置信区间：94.6%-97.8%）。在 7 项 8 项牙科发现中，AI 与参考标准的一致性相当于人类间一致性，仅在龋齿 (p = .024) 上较差。AI 系统在多样化的影像和人口统计环境下展现出稳健的泛化能力，且处理速度比人类读者快 79 倍（95% 置信区间：75-82）。AI 系统有效评估了 DPR 中的发现，在诊断效率和准确性方面实现与人类专家相当或更好的性能，同时显著减少了解释时间。这些结果凸显了将 AI 集成到临床工作流程中以提高诊断效率和准确性以及患者管理潜力的前景。
引用
@article{arxiv.2502.10277,
title = {Artificial Intelligence to Assess Dental Findings from Panoramic Radiographs -- A Multinational Study},
author = {Yin-Chih Chelsea Wang and Tsao-Lun Chen and Shankeeth Vinayahalingam and Tai-Hsien Wu and Chu Wei Chang and Hsuan Hao Chang and Hung-Jen Wei and Mu-Hsiung Chen and Ching-Chang Ko and David Anssari Moin and Bram van Ginneken and Tong Xi and Hsiao-Cheng Tsai and Min-Huey Chen and Tzu-Ming Harry Hsu and Hye Chou},
journal= {arXiv preprint arXiv:2502.10277},
year = {2025}
}