《Healthcare》:Artificial Intelligence vs. Human Experts in Temporomandibular Joint MRI Interpretation: A Systematic Review
Marijus Leketas,
Inesa Stonkut?,
Migl? Mi?kinyt? and
Dominykas Afanasjevas
编辑推荐:
本文系统回顾了人工智能(AI)在颞下颌关节(TMJ)磁共振成像(MRI)解读中的表现,并与人类专家进行对比。结果表明,在评估关节盘前移位、关节积液、骨关节炎及关节盘穿孔等多种病理状态时,AI展现出高诊断性能(AUC 0.79~0.98),与经验丰富的放射科医生准确度相当。AI通常展现出更高的特异性,而人类专家则常具有更高的敏感性。然而,当前证据基础(五项回顾性、单中心研究)有限,证据等级较低。AI被视为放射学专家评估的补充性决策支持工具,而非替代品,其未来应用前景有待更多前瞻性、多中心研究验证。
人工智能与人类专家在颞下颌关节磁共振成像解读中的比较:一项系统综述
1. 引言
颞下颌关节(Temporomandibular Joint, TMJ)是连接下颌骨髁突与颞骨关节窝和关节结节的滑膜关节,包含一个纤维软骨盘,将关节分为上下两腔。由于其复杂的解剖结构和生物力学特性,TMJ易于发生功能障碍和结构性病变。颞下颌关节紊乱病(Temporomandibular Disorders, TMDs)是影响TMJ复合体、咀嚼肌及相关结构的肌肉骨骼和神经肌肉病症,是口颌面区域第二常见的慢性肌肉骨骼疾病。磁共振成像(Magnetic Resonance Imaging, MRI)因其出色的软组织分辨率和无电离辐射,是评估TMJ内部紊乱(如最常见的关节盘前移位)以及关节积液、退行性或炎性改变的金标准。
然而,TMJ MRI解读主要由放射科医生和口腔颌面放射科医生进行,可能存在观察者间的差异性,并且在大量临床工作中耗时。随着深度学习等技术的进步,人工智能(Artificial Intelligence, AI)已成为专家解读的潜在辅助工具。本研究旨在通过系统综述,直接比较AI模型与人类专家在TMJ MRI分析中的诊断性能。
2. 材料与方法
本综述遵循PRISMA 2020指南,并在PROSPERO前瞻性注册。检索了PubMed/MEDLINE、ScienceDirect、Wiley Online Library和Springer Nature Link数据库中2020年至2026年间发表的研究。纳入标准包括:涉及接受TMJ MRI的人类受试者、评估AI/机器学习/深度学习模型并与人类专家解读进行比较、报告至少一项诊断性能指标(如敏感性、特异性、准确性、AUC等)的原创性研究。排除非人类研究、非AI应用及综述、病例报告等非原创性出版物。研究选择、数据提取、偏倚风险评估(使用QUADAS-2工具)和证据确定性评估(使用GRADE框架)均由多位评审者独立完成。由于研究间存在显著的临床、方法和结果异质性,未进行Meta分析,而是进行了叙述性综述。
3. 结果
3.1. 研究筛选结果
初始检索获得763条记录,去重后筛选出604条,最终纳入5项符合标准的回顾性诊断准确性研究。样本量从118例到1474例不等。目标病症包括关节盘前移位、关节积液、骨关节炎和关节盘穿孔。
3.2. 研究特征与AI验证
所有研究均在东亚进行。MRI检查使用1.5T或3.0T扫描仪。AI模型主要为用于分类的卷积神经网络(Convolutional Neural Networks, CNNs)。数据分割策略包括时间分割、内部验证和外部验证等,但多数研究对防止数据泄露等关键方法学保障措施报告不足。
3.3. 偏倚风险
使用QUADAS-2评估偏倚风险。所有研究在“患者选择”领域均被评为高风险,主要因为它们是回顾性、单中心研究。“指数测试(AI模型)”领域被评为风险不明确,因为AI验证程序报告不充分。
3.4. 各项研究结果
- •
关节盘前移位:一项研究显示,基于VGG的CNN模型AUC约为0.88,准确度为0.77,而集成方法可提升表现。AI表现出比专家高出10%以上的特异性,而专家则显示出更高的敏感性,总体诊断准确性无统计学差异。另一项使用两阶段可解释深度学习模型的研究在内部和外部验证中均获得高AUC(0.985和0.960)。
- •
TMJ积液:一项研究提供了直接的AI与人类对比。VGG16模型AUC为0.7895,特异性87.25%,敏感性57.43%。在集成配置下,AI准确度(74.21%)超过了人类专家(67.71%)。AI通过更高的特异性提高了整体准确度,而人类专家则表现出更高的敏感性。
- •
TMJ骨关节炎:一项研究使用CT作为金标准评估AI模型。表现最佳的架构(ResNet18)AUC为0.91–0.93,准确度0.85–0.88。AI表现接近专家水平,并明显超过住院医师的表现。
- •
关节盘穿孔:一项研究使用手术确认作为金标准。AI模型(如多层感知机)AUC高达0.940。由于缺乏量化的人类专家诊断性能报告,限制了直接的AI-人类比较。
3.5. 综合结果与证据确定性
由于研究间存在显著异质性,未进行Meta分析。叙述性综合显示,在所有五项研究中,AI系统始终表现出强大的诊断准确性,报告的AUC值范围大致在0.79至0.98之间。在几个领域,AI表现与人类专家读者相当,甚至在某些指标上超过。然而,当前证据基础有限,所有研究均为回顾性、单中心,样本量不大,且报告不完整。总体而言,证据的确定性被评为低。
4. 讨论
本系统综述表明,应用于TMJ MRI的AI模型在多种病症中展现出高判别性能。在提供直接头对头比较的研究中,AI常常与专家级的整体准确度匹配,在某些任务中展现出比人类读者更高的特异性,而放射科医生通常保持同等或更高的敏感性。这表明,在结构化分类任务中,AI性能可与经验丰富的临床医生相媲美,但并非在所有诊断参数上都一致超越专家解读。
AI系统倾向于表现出更高的特异性但相对较低的敏感性,这一特性在临床上具有互补价值。高特异性有助于减少假阳性,防止不必要的干预。而较低的敏感性则提示,AI不应作为独立的诊断系统,而应作为分诊或第二阅片工具,与人类专家协同工作,形成“增强智能”的工作流。
与腕关节、膝关节等其他肌肉骨骼成像研究类似,AI表现常等于或超过经验不足的读者,并能减少观察者间的差异性。这表明AI在存在不同水平读者专业知识的场景中尤其有价值。
然而,解读时需考虑纳入研究的方法学局限性,包括回顾性设计、单中心、潜在的样本偏倚、数据泄漏风险以及缺乏外部验证。只有一项研究进行了独立的外部验证。未来研究需要遵循STARD-AI等报告指南,并进行前瞻性、多中心验证,以评估AI在真实世界临床环境中的表现。
5. 结论
AI系统在TMJ MRI解读中实现了高诊断性能,AUC值在0.79至0.98之间。在直接比较中,AI性能通常与经验丰富的放射科医生相当。AI模型通常表现出更高的特异性和可比的整体准确度,而人类读者则常保持更高的敏感性。AI表现接近专家水平,并超过经验较少的读者,显示出减少观察者间差异和支持标准化解读的潜力。
目前,AI应被视为对放射科医生的补充性决策支持工具,而非替代品。未来的多中心、前瞻性研究对于确定AI整合是否能转化为临床工作流程效率和患者治疗结果的切实改善至关重要。