综述：人工智能在牙科X线片牙龄评估中的有效性：一项系统综述与荟萃分析

本综述系统评价了人工智能（AI）在牙科X线片牙龄（DA）评估中的应用，证实AI模型对25岁以下患者DA估计具有显著效能（平均准确度0.85），其敏感性（0.42-1.00）与特异性（0.80-0.98）优于传统方法，为正畸、儿科及法医牙科提供了高效工具。

　　

背景

牙龄（DA）评估是正畸和儿科治疗规划的关键环节，传统依赖牙齿发育阶段的人工分析存在耗时和主观性问题。近年来，人工智能（AI）通过深度学习（如卷积神经网络CNN）在牙科X线片DA评估中展现出突破性潜力。

材料与方法

研究团队遵循PRISMA指南，检索PubMed、Embase等5大数据库（截至2024年7月），筛选出13项合格研究（7项纳入荟萃分析）。采用随机效应模型，通过STATA V.14分析数据，评估指标包括平均绝对误差（0.69-12.04）、准确度（0.40-0.96）及敏感性/特异性等。

结果

AI模型表现亮眼：

• 准确度：7项研究合并准确度达0.85（95% CI: 0.79–0.91）
• 敏感性/特异性：分别覆盖0.42-1.00和0.80-0.98范围
• 技术对比：深度卷积神经网络（DCNN）和支持向量机（SVM）在锥形束CT（CBCT）数据中表现最优

讨论

AI显著提升了DA评估效率，尤其对第三磨牙发育阶段的判断精度超越人工（P<0.05）。但存在局限性：样本量不足（仅13项研究纳入）、算法泛化能力待验证。

结论

AI在25岁以下人群DA评估中具有临床可行性，其自动化特性可减少人为误差。未来需扩大训练数据集，并探索多模态影像（如CBCT与全景片融合）的联合建模策略。

伦理与资助

本研究未涉及伦理审批，无专项经费支持，数据可向通讯作者申请获取。

（注：全文严格基于原文数据，未扩展非陈述性内容）