基于 DINOv3 视觉 Transformer 的正畸 ICON 评分治疗需求判别模型研究

《BMC Oral Health》：Automated ICON scoring from orthodontic photographs: a deep learning-based model that learns from the clinical assessment of three orthodontists

　　

摘要

背景

手动评分复杂性、结果和需求指数（ICON）是一项繁琐的工作，且结果受评估者影响较大。我们开发了一个深度学习模型，该模型通过学习三位正畸医生的ICON评估结果，能够从常规临床照片中判别出患者的治疗需求。

方法

在这项回顾性单中心研究中，共有565名患者（2018–2025年间）接受了三位正畸医生的独立评分。每位患者提交了五张标准照片（正面、两侧面观、两个咬合面），这些照片由DINOv3-Large视觉 Transformer进行处理（该模型采用了低秩适配技术），随后通过两层Transformer编码器进行融合。患者数据被分为一个保留的测试集（n=85）和一个开发集（n=480），用于进行五折交叉验证。决策阈值是预先设定的；95%的置信区间（CI）是通过2000次迭代的自助法计算得出的。

结果

在ICON评分≥43的分界点上，评分者间的一致性表现尚可（Fleiss κ=0.262）。在保留的测试集上，该模型的AUC为0.901（95% CI，0.829–0.958），平均精度为0.965（0.942–0.985）；排列测试排除了随机结果的可能性（P<0.001）。在预先设定的阈值下，模型的特异性为1.000（Wilson CI，0.857–1.000），但敏感性仅为0.435（0.319–0.559）。该模型还能对连续的ICON评分进行排序（Pearson r=0.75），表明它能够捕捉到病情的严重程度分级，尽管其概率输出被压缩且未校准到固定的分界值。

结论

这种自我监督的视觉Transformer能够可靠地根据常规照片对患者的治疗需求进行排序。然而，在任何固定的分界值下，模型的敏感性较低，这限制了其在筛查中的应用；在多中心验证之前，该模型最适合被用作推荐优先级辅助工具。