开发并评估一种人工智能（AI）模型，用于从3D口腔内扫描图像中检测龋齿

《The Journal of Prosthetic Dentistry》：Development and evaluation of an artificial intelligence (AI) model for detecting dental caries from 3D intraoral scans

AI辅助龋齿检测通过整合intraoral扫描与临床检查提升诊断准确率，临床测试显示其IoU达0.78，F-score 0.85，敏感度91%，特异度88%，验证了AI在早期龋齿诊断中的客观性与高效性。

　　

摘要

问题陈述

口内扫描仪和人工智能（AI）已被广泛用于龋齿检测，因为它们可以节省时间并改进龋齿诊断流程。然而，早期龋齿的检测仍然是一个挑战，牙医仍然依赖主观方法进行诊断。

目的

本临床试验的目的是通过将恒牙的口内扫描结果与传统的临床诊断方法相结合，开发并评估一种AI模型在龋齿检测中的性能，以提高诊断准确性并减少主观性。所开发的模型与传统龋齿检测方法进行了比较。

材料与方法

本临床试验在沙特阿拉伯吉达的阿卜杜勒-阿齐兹国王大学牙科医院进行。参与者被随机选取，共获取了66张口内扫描图像。使用交并比（IoU）、F分数、敏感性、特异性、总体准确性和混淆矩阵来评估AI模型。

结果

该模型平均IoU得分为0.78，显示出较高的重叠率和准确性。F分数为0.85，表明模型在准确性和召回率之间取得了良好的平衡。模型的敏感性为91%，特异性为88%，有效识别了91%的龋齿。其总体准确率为89.5%，证明了其在口内扫描中检测龋齿的成功率。

结论

将新型自动化技术与传统诊断方法结合使用，可以提高龋齿检测的准确性，有助于制定成功的治疗计划并做出更好的决策，从而获得更好的治疗结果。

部分内容摘录

材料与方法

本临床试验在沙特阿拉伯吉达的阿卜杜勒-阿齐兹国王大学牙科医院进行，并获得了该校牙科学院研究伦理委员会的批准（批准编号183-11-23）。在研究开始前，检查人员（R.A.和Y.A.）接受了ICDAS标准的培训。一名检查人员使用ICDAS标准进行视觉评估，随后进行3D扫描仪评估；另一名检查人员负责文档记录。两位检查人员均具备相关经验。

结果

AI模型的平均IoU得分为0.78，表明其在识别和定位龋齿方面具有较高的准确性和重叠率（图3）。F分数为0.85，说明模型在精确度（正确识别的龋齿占总检测龋齿的比例）和召回率（模型正确识别的实际龋齿的比例）之间取得了平衡（图3）。模型的敏感性为91%，表明其检测效果良好。

讨论

使用口内扫描仪（IOSs）开发的自动化AI模型在龋齿检测方面的准确性与传统的视觉诊断方法相当。因此，原假设“使用口内扫描仪的自动化AI模型在龋齿检测方面的准确性与传统视觉诊断方法相当”未被推翻。

数字龋齿检测方法通过3D可视化技术让患者能够参与治疗计划的制定，这可能会影响治疗效果。

结论

根据本临床试验的结果，得出以下结论：1.

在数字龋齿检测中，AI显示出显著的优势，通过口内扫描能够实现高准确性、敏感性和整体有效性。

2.

该模型能够获得较高的IoU得分、稳健的F分数以及显著的敏感性和特异性值，这表明其在牙科领域具有提升早期诊断和治疗规划的潜力。

3.

此外，本研究

作者贡献声明

Walaa Magdy Ahmed：概念设计、方法论、数据管理、资金获取、数据分析、项目管理、监督、可视化、撰写及审稿编辑。Amr Ahmed Azhari：概念设计、方法论、数据管理、数据分析、项目管理、监督、可视化、撰写及审稿编辑。Rabab Alnakhli：方法论、数据管理、数据分析、研究工作、初稿撰写。Yara Alsulami：方法论、数据管理、研究工作。

致谢

作者感谢TachyHealth的Amr Fawzy博士对AI模型技术开发的支持；感谢Anas Lahiq博士在数据收集过程中的协助；最后，感谢科学研究部（DSR）提供的技术和财务支持。

展示/支持信息及奖项

本研究在沙特阿拉伯吉达阿卜杜勒-阿齐兹国王大学牙科学院2024年实习生研究竞赛的海报展示环节中获得二等奖。