本科生利用人工智能辅助诊断近端龋齿的培训：一项随机实验研究

《BMC Medical Education》：Artificial intelligence-assisted training for proximal caries diagnosis by undergraduate dental students: a randomized experimental study

　　

摘要

背景

人工智能在提高牙科X光片中近端龋齿的检测能力方面展现出潜力；然而，其在提升本科生独立解读X光片能力方面的教育价值仍不明确。因此，本研究旨在比较人工智能辅助的放射学培训与传统放射学培训对本科生评估近端龋齿进展能力的影响。

方法

这项随机实验研究共有82名本科生参与。在完成使用20张传统咬翼X光片的预测试后——学生需对每张X光片上的三个近端表面进行评估——他们被随机分配到传统放射学培训组或使用Second Opinion^?软件的人工智能辅助培训组。两组都接受了1小时的培训。一天后，学生再次使用20张传统咬翼X光片进行无人工智能辅助的后续测试，同样需要评估每张X光片上的三个近端表面。诊断性能通过总完全匹配得分（0–60分）和绝对平均误差（0–5分）来评估。同时记录了预测试和后续测试的完成时间（以分钟计）。研究采用混合设计方差分析来评估组别、时间以及两者之间的交互效应（α=0.05）。

结果

共有79名学生完成了两项测试，其中41人接受人工智能辅助培训，38人接受传统放射学培训。不同培训组之间以及干预前后的测试结果均无显著差异（p>0.05）。不过，传统培训组的绝对平均误差从干预前到干预后显著上升（p<0.05），说明其答案与正确答案的偏差更大。相比之下，人工智能辅助培训组的测试完成时间明显更短，且两组的完成时间均较干预前有所减少（p<0.05）。

结论

与传统放射学培训相比，人工智能辅助培训并未显著提升学生在近端龋齿检测方面的诊断能力。不过，人工智能培训提高了诊断效率，表现为绝对平均误差更低，而且当去除人工智能辅助后，学生的独立X光片解读能力并未受到影响。人工智能可作为本科生牙科教育中的辅助工具，尤其有助于提高病变深度估算的效率与一致性。