人工智能在儿童早期龋齿检测与预测中的应用:系统评价

人工智能在儿童早期龋齿检测与预测中的应用：系统评价

📄 来源：《Pediatric dentistry》· 2024 · PMID: 40036840

目的

目的：对人工智能（AI）在辅助临床医生进行儿童早期龋齿（ECC）的预测和检测方面的应用进行系统评价。

方法

方法：在PubMed((R))、EMBASE((R))、Scopus、Web of Science(TM)、IEEE和灰色文献（Google Scholar）数据库中进行检索。使用质量评估诊断准确性研究-2（QUADAS-2）工具评估潜在的偏倚。使用STATA 17.0中的随机效应模型进行统计分析，并使用Metandi和MIDAS包。

结果

结果：在350项已识别的研究中，有21项符合纳入标准。9项研究在所有QUADAS-2类别中均表现出低偏倚风险。研究被分为两类：儿童早期龋齿检测（7项研究）和儿童早期龋齿预测（14项研究）。对于儿童早期龋齿检测，研究报道的准确率在78%到86%之间，敏感性范围为67%到96%，特异性范围为81%到99%。在以预测为重点的研究中，准确率从60%到100%不等，敏感性从20%到100%，特异性从54%到94%。选择了6项数据充足的研究进行荟萃分析。这些研究的综合敏感性计算为80%（95%置信区间[95% CI]为0.84至0.95），而综合特异性达到81%（95% CI为0.67至0.90）。诊断优势比的范围在4到83之间，中位数为17。

结论

结论：人工智能在儿童早期龋齿检测方面的诊断准确性与经验丰富的牙医相匹配，强调了人工智能在显著辅助儿童早期龋齿的检测和预测方面的潜力。

参考文献

等. Artificial Intelligence in Early Childhood Caries Detection and Prediction: A. Pediatric dentistry. 2024. PMID: 40036840.

EliteDent 学术编辑团队 · 文献翻译