锥形束CT下人工智能检测与分割根尖周病变的诊断性能：系统评价与荟萃分析

《Diagnostics》：Diagnostic Performance of Artificial Intelligence for the Detection and Segmentation of Periapical Lesions on Cone-Beam Computed Tomography: A Systematic Review and Meta-Analysis

　　

背景与目的：锥形束CT（CBCT）可提升根尖周病变的检出能力，但其判读高度依赖专家经验。本系统评价旨在评估人工智能（AI）在CBCT上检测、分类及分割根尖周病变的性能。方法：研究人员检索了PubMed、Cochrane Library、Scopus、Web of Science与Google Scholar至2025年12月12日的文献（PROSPERO注册号：CRD420251184440）。纳入以专家判读或标注为参照标准、基于人类CBCT扫描图像比较AI性能的研究。偏倚风险采用诊断准确性研究质量评价工具（QUADAS-2）评估，证据确定性采用推荐分级的评价、制定与评估（GRADE）方法。在具备完整2×2表数据的研究中，采用双变量模型合并灵敏度与特异度；其余指标采用单变量随机效应模型合并。结果：共纳入18项研究（检测或分类16项，分割6项）；15项在至少一个域存在不明确的偏倚风险，且多为回顾性与内部验证设计。双变量模型（7项研究）合并灵敏度为88.2%（95%置信区间[CI]：77.6–94.2%），特异度为85.1%（73.4–92.1%）。单变量合并灵敏度为90.9%（84.2–94.9%；14项）、特异度89.7%（83.2–93.9%；11项）、准确率86.7%（78.9–92.0%；10项）、F1分数83.7%（76.4–89.1%；7项）。病变合并Dice相似系数（DSC）为0.70（0.61–0.78；6项），显示与参照标注呈中等空间重叠。检测指标异质性显著（I2=90–96%），预测区间较宽（灵敏度48–99%），证据确定性极低。结论：在研究条件下，AI对CBCT根尖周病变检测表现良好，但分割重叠仅为中等。尚不能认定其等同于临床医师或具备临床有效性，需开展前瞻、外部验证且参照标准标准化的研究。

1. 1.
   引言
   根尖周病变是根周组织的炎症性病变，最常见为根尖周炎，常由根管系统微生物感染引发。根尖周炎在成人中患病率极高，准确诊断对治疗规划、预后评估与愈合监测具有核心意义，漏诊或处置不当可导致失牙、持续疼痛及可能的全身关联。CBCT可提供三维可视化，消除二维影像的解剖重叠，比根尖片或全景片更可靠地发现根尖骨改变并改善病灶定位；但CBCT判读耗时、需专门训练，且存在观察者间差异，难以区分细微病理改变与解剖变异。人工智能，尤其是基于卷积神经网络（CNN）与近年Transformer架构的深度学习（DL），已在医学图像分析中确立地位，并在牙体牙髓领域用于龋病检测、牙周骨丧失评估与口腔病理识别。应用于CBCT的AI可处理体数据，实现病变检测、分类、分级与分割，有望提升一致性与效率。既往综述多跨二维与三维模态合并证据或仅叙述性合成，尚未有研究以诊断准确性工具分别合成CBCT的检测与分割证据。本系统评价与荟萃分析据此评估AI在CBCT上检测与分类根尖周病变（灵敏度、特异度、准确率、F1分数、受试者工作特征曲线下面积[AUC]）及分割病变（Dice相似系数[DSC]）的性能。
2. 2.
   材料与方法
   2.1 方案与注册
   研究遵循PRISMA 2020及PRISMA-DTA声明，方案注册于PROSPERO（CRD420251184440）。偏离注册方案处包括：偏倚风险改用QUADAS-2而非原计划工具，检测/分类与分割结局分开分析，证据确定性采用GRADE。

2.2 纳入标准

以PIRD框架界定：人群为人类牙颌CBCT扫描；索引试验为任意AI模型（常规机器学习、DL、商用平台）用于检测、分类、分级、定位或分割根尖周病变；参照标准为专家判读、共识标注、手动/半自动分割或组织病理；目标病变为根尖周病变（含根尖周炎、放射透射影、肉芽肿、囊肿、脓肿）；结局含检测分类指标与分割DSC。

2.3 信息来源与检索策略

检索PubMed、Cochrane Library、Scopus、Web of Science至2025年12月12日，Google Scholar同日照录相关字符串，并补充注册库、专业学会网站与参考文献追溯。无语言限制，排除综述、病例报告、仅二维影像研究。

2.4 研究筛选与2.5 数据提取

由两名评审独立完成题录筛选与全文评估，分歧讨论共识解决。提取内容含研究设计、样本、模型架构、输入形式、训练规模、任务类型、参照标准、验证方式、分析单元与全部性能指标及分母；同研究多配置仅取作者指定最终模型为主估计，独立内部测试集优先于外部集，仅独立AI性能入池。

2.6 缺失数据处理

不联系原作者，仅用已发表数据，缺失记为未报告，不插补。

2.7 偏倚与适用性评价

采用QUADAS-2，针对AI研究定制信令问题，评价患者选择、索引试验、参照标准、流程与时序四域，适用性同步判断。

2.8 数据合成与2.9 荟萃分析

先按任务叙述性合成；检测与分割指标不混算。双变量随机效应模型（Reitsma等）合并灵敏度与特异度，仅用于有完整2×2表研究；其余指标用单变量logit随机效应模型合并，准确率、F1、DSC作描述性摘要。AUC因报告少且任务不一，不合并而叙述。

2.10 分析单元与多重性

每研究仅取一个预设主估计避免聚类过重，另做全估计单级与三级模型敏感性分析。

2.11 异质性及敏感性分析

用Cochran Q与I2评估异质性，留一法稳健性分析；因每层研究数不足十，不做亚组与元回归，仅描述潜在异质性来源。

2.12 证据确定性

GRADE起点为高，按偏倚、间接性、不一致、不精确与发表偏倚降级。

1. 3.
   结果
   3.1 研究筛选
   初检241条，去重后筛选188条，排除157条，全文评估31篇，最终纳入18项研究，发表于2009–2025年，涉及十国。

3.2 纳入研究特征

11项做检测/分类/分级，4项主做分割（其中3项报病变级检测），2项兼顾检测与分割，1项用AI定位后上牙槽动脉。5项评估商用平台（Diagnocat四篇、eVol DXS一篇），13项为自研模型（U-Net、ResNet、VGG16、DenseNet-121、Mask R-CNN、Swin-UNETR、PAINet等）。仅1项对新开发模型做独立多中心外部验证，4项在新生临床数据独立评估现有模型/平台，其余为内部留一或交叉验证。参照标准多为双读者以上共识，少数单读者、半自动软件或公开数据集标签。

3.3 偏倚与适用性

3项全域低偏倚，15项至少一域不明确；患者选择域因非连续抽样与病变富集数据最常存疑，参照标准域5项存疑。所有索引试验与流程时序域低偏倚，无高危域，模式部分反映报告不全而非证实质量。

3.4 叙述性合成

3.4.1 检测灵敏度与特异度：14项报独立灵敏度，9项超90%，含商用平台与三维模型；小病变、二维切片分类器灵敏度偏低（58–65%）。11项报特异度，磨牙区牙位级最低（65.2%），三维模型与平台可达92%以上，小病变与术后根充牙假阳性增多。

3.4.2 准确率、精确率与F1：切片分类器准确率58.6–70.0%，临床代表性数据84.5%，Swin-UNETR 94.0%；PAINet四分类准确率93.3%、F1 0.93；根充磨牙术后PPV与F1明显下降。

3.4.3 判别力（AUC）：仅3项报告，独立临床评估AUC 0.76–0.79，开发集达0.93–0.997，不合并。

3.4.4 与临床医师一致性：PAINet与专家分级几乎完全一致（κ=0.911）；Diagnocat体积测量与手工分割吻合；PAL-Net优于参与牙医且省时；AI辅助使读者聚合灵敏度由76.7%升至85.4%，但属辅助性能非独立AI。

3.4.5 病变分割：6项报DSC，合并前各值0.50–0.87，病变边界不规则、体积小致DSC低于同研究牙/骨分割。

3.4.6 其他应用：1项用商用平台定位后上牙槽动脉，未评病变检测，仅作叙述补充。

3.5 荟萃分析

双变量模型（7项，1214阳性与3065阴性单元）合并灵敏度88.2%（77.6–94.2%）、特异度85.1%（73.4–92.1%），诊断比值比43，研究间方差大，预测区宽（灵敏度51–98%、特异度46–97%）。单变量合并：灵敏度90.9%（I2=94.1%，预测区间47.9–99.1%）、特异度89.7%（I2=90.4%）、准确率86.7%（I2=96.2%）、F1 83.7%（I2=91.1%）；病变DSC 0.70（95%CI 0.61–0.78，I2=40.9%，预测区间0.46–0.86）。敏感性分析剔除百分类估计或公用数据集研究，结果稳健且方向一致。

3.6 证据确定性

所有合并结局证据确定性极低：因偏倚风险、间接性（病变富集与单元异构）、不一致（异质性与宽预测区间）降级；双变量特异度再加不精确降级，DSC因预测区间宽降一级。

1. 4.
   讨论
   4.1 主要发现
   研究条件下AI检测合并表现约88%/85%，分割DSC 0.70，属有前景但乐观的研究性能摘要，不能代表日常实践预期。

4.2 检测与分类指标解读

灵敏度/特异度不受患病率影响，高灵敏度适于筛查提醒；但特异度宽CI与磨牙根充区低值提示复杂牙位假阳性可较多。准确率/F1受富集样本高估。AUC不合并因任务与验证设计不可比。

4.3 分割性能解读

DSC 0.70为中等空间重叠，非检测正确率；小体积与边界模糊致其值低于牙骨分割，体积随访意义尚缺阈值标准。

4.4 模型架构与医师比较

Transformer、混合与三维模型数值最高，但多来自开发集内部验证，不能断言优于专家；“专家级”主张缺乏对等协议比较。

4.5 优势与局限

优势在注册方案、多库检索、QUADAS-2定制、检测分割分离、分母核对、双变量联合与GRADE。局限为回顾小样本富集、外部验证少、参照标准异质且常未盲、同公开集复用、 binomial近似对F1/DSC方差不真、无法评发表偏倚。

4.6 实践与研究启示

AI宜作决策支持标警工具，不替代临床判断；小病变、根充牙、窦底/颏孔伪影区为假阳假阴高发。需前瞻读者研究、诊断随机试验、患者相关结局与经济性评价；未来应遵AI报告规范、报完整2×2、双专家盲态共识参照、跨中心设备协议验证、按病变大小牙位分层。

1. 5.
   结论
   AI在CBCT根尖周病变检测分类研究条件下表现有前景（双变量灵敏度88%、特异度85%；单变量各指标约84–91%），分割中等重叠（DSC 0.70）。证据确定性极低，异质宽预测区间、回顾内部验证与富集样本致性能在微小病变与根充牙下降。尚不等同专家或证成临床获益，须前瞻多中心外部验证与标准参照后方利常规牙髓诊断推荐。