人工智能辅助龋齿标注对牙科专业学生识别全景X光片上龋齿能力的影响

《BMC Medical Education》：Effect of AI-assisted caries annotation on dental students’ performance in caries detection on panoramic radiographs

　　

摘要

背景

龋齿仍然是全球范围内最为常见的口腔疾病之一。人工智能技术被广泛应用于牙科X光片的解读，尤其是在龋齿检测方面发展迅速。借助人工智能的龋齿标注工具能够帮助牙科专业学生更准确地识别全景X光片上的龋损——这种X光片是评估牙齿及周围结构的常用诊断工具——从而提升诊断的准确性、效率以及医生的自信心。本研究旨在探讨人工智能辅助龋齿标注对牙科专业学生识别全景X光片上龋齿的诊断能力、自信心以及工作效率的影响。

方法

研究随机选取了50张存在不同程度龋损的全景X光片，这些X光片的结果已通过作为金标准的咬翼X光片得到验证。研究人员使用最新开发的人工智能辅助软件对这些龋齿进行标注。40名四年级牙科专业学生在经过10组未标注和已通过人工智能标注的X光片培训后参与了研究。在第一阶段，参与者需要识别40张未标注的全景X光片中的龋损；一个月后的第二阶段，他们再次评估这些X光片，此时会有人工智能标注的结果作为参考，同时还会提供一张未标注的X光片供对比。对于每张X光片，研究人员会记录下所检测到的龋齿的位置和深度、诊断所需时间以及参与者自我评估的自信程度（0–10分制）。通过配对t检验或Wilcoxon检验，比较了两阶段之间的诊断准确性、敏感性、特异性、平衡准确性、精确度、阴性预测值以及漏诊率。

结果

与传统解读方法相比，人工智能辅助的龋齿标注显著提升了诊断效果。诊断准确性从0.91上升至0.96，敏感性从0.35上升至0.67，特异性从0.96上升至0.99，平衡准确性从0.65上升至0.83，精确度从0.33上升至0.77，阴性预测值从0.95上升至0.98，而漏诊率则从0.65下降至0.33（p?<?0.001）。学生在识别釉质龋（从4.0分升至6.0分）、牙本质龋（从5.0分升至7.0分）、涉及牙髓的龋齿（从8.0分升至8.5分）以及整体龋齿检测能力（从5.0分升至7.0分）方面的自信心也有了明显提升（p?<?0.001）。此外，每张X光片的平均诊断时间也从67.89秒显著缩短至53.92秒（p?<?0.001）。

结论

人工智能辅助的龋齿标注大幅提升了诊断效率，减少了解读时间，同时还提高了牙科专业学生识别各种深度龋齿的自信程度。这些研究结果充分体现了人工智能辅助标注技术在提升牙科放射学诊断能力方面的巨大潜力，可作为有效的教学辅助手段。

背景

龋齿仍然是全球范围内最为常见的口腔疾病之一。人工智能技术被广泛应用于牙科X光片的解读，尤其是在龋齿检测方面发展迅速。人工智能辅助的龋齿标注工具能够帮助牙科专业学生更准确地识别全景X光片上的龋损——这种X光片是评估牙齿及周围结构的常用诊断工具——从而提升诊断的准确性、效率以及医生的自信心。本研究旨在探讨人工智能辅助龋齿标注对牙科专业学生识别全景X光片上龋齿的诊断能力、自信心以及工作效率的影响。

方法

研究随机选取了50张存在不同程度龋损的全景X光片，这些X光片的结果已通过作为金标准的咬翼X光片得到验证。研究人员使用最新开发的人工智能辅助软件对这些龋齿进行标注。40名四年级牙科专业学生在经过10组未标注和已通过人工智能标注的X光片培训后参与了研究。在第一阶段，参与者需要识别40张未标注的全景X光片中的龋损；一个月后的第二阶段，他们再次评估这些X光片，此时会有人工智能标注的结果作为参考，同时还会提供一张未标注的X光片供对比。对于每张X光片，研究人员会记录下所检测到的龋齿的位置和深度、诊断所需时间以及参与者自我评估的自信程度（0–10分制）。通过配对t检验或Wilcoxon检验，比较了两阶段之间的诊断准确性、敏感性、特异性、平衡准确性、精确度、阴性预测值以及漏诊率。

结果

与传统解读方法相比，人工智能辅助的龋齿标注显著提升了诊断效果。诊断准确性从0.91上升至0.96，敏感性从0.35上升至0.67，特异性从0.96上升至0.99，平衡准确性从0.65上升至0.83，精确度从0.33上升至0.77，阴性预测值从0.95上升至0.98，而漏诊率则从0.65下降至0.33（p?<?0.001）。学生在识别釉质龋（从4.0分升至6.0分）、牙本质龋（从5.0分升至7.0分）、涉及牙髓的龋齿（从8.0分升至8.5分）以及整体龋齿检测能力（从5.0分升至7.0分）方面的自信心也有了明显提升（p?<?0.001）。此外，每张X光片的平均诊断时间也从67.89秒显著缩短至53.92秒（p?<?0.001）。

结论

人工智能辅助的龋齿标注大幅提升了诊断效率，减少了解读时间，同时还提高了牙科专业学生识别各种深度龋齿的自信程度。这些研究结果充分体现了人工智能辅助标注技术在提升牙科放射学诊断能力方面的巨大潜力，可作为有效的教学辅助手段。