Точность диагностики кариеса с помощью ИИ в клинической практике.
ЛЕКАРСТВЕННЫЕ ПРЕПАРАТЫ
СОБЫТИЯ
Образование
ВИДЕО/АУДИО
- Скачать приложение
Сменить пароль!
Сброс пароля!
Сменить пароль!
Сброс пароля!
Новый пароль *
Придумайте пароль
- Хотя бы одна заглавная буква и одна цифра
- Допускаются латинские буквы и цифры
- Пароль должен содержать от 5 до 12 символов
Подтвердите пароль *
Знания на практике
The site contains materials for Healthcare Professionals.
Please verify that you are a Healthcare Professional. Register for complete access to all the content!
Войти / Зарегистрироваться
Поддержка Медзнат
Выберите тему обращения
Проблема с регистрацией/входом на сайт
Вопрос по вебинару
Вопрос по контенту (поиск материала)
Поделится обратной связью
Общий вопрос/другое
Выберите тему обращения *
Имя *
Адрес электронной почты *
Сообщение *
введите текст с картинки *
Нажимая на кнопку «Отправить сообщение», Вы принимаете условия Пользовательского Соглашения, в том числе касающееся обработки Ваших персональных данных. Подробнее об обработке данных в Политике
Отправить сообщение
Отмена
Нажимая на кнопку «Продолжить», а также при регистрации и входе через аккаунты сторонних сервисов, Вы принимаете условия Пользовательского Соглашения, в том числе касающееся обработки Ваших персональных данных. Подробнее об обработке данных в Политике.
Отправить
Назад
Оценка точности и специфичности применения модели на основе искусственного интеллекта в диагностике кариеса
Медицинские Новости
3 мин
117
0
Размер шрифта
Опубликовано:
14/01/2025
ЧТО НОВОГО?
Инструмент для выявления кариеса на основе искусственного интеллекта демонстрирует значительный потенциал для улучшения диагностики кариеса в клинических условиях. Однако его чувствительность зависит от расположения зуба и типа поражения.
В недавнем исследовании оценивали эффективность диагностической модели на основе искусственного интеллекта (ИИ) с технологией глубокого обучения для выявления кариеса зубов с помощью внутриротовых снимков в условиях реальной клинической практики. В этом исследовании были получены многообещающие результаты с точки зрения точности, специфичности и прогностической ценности диагностической модели, а также были определены области применения для потенциального повышение эффективности выявления кариеса. В исследование был включен 191 пациент, последовательно посещавший эндодонтическую клинику. В общей сложности с помощью внутриротовой камеры был обследован 4361 зуб.
Использованная в исследовании модель на основе ИИ включала архитектуры MobileNet-v3 и U-net, предназначенные для тщательного изучения снимков и выявления кариеса. Оценивали такие показатели, как общая точность, чувствительность, специфичность, положительная прогностическая ценность и отрицательная прогностическая ценность. Сравнение проводили относительно клинического диагноза, поставленного стоматологом-эндодонтом. В этом проспективном клиническом исследовании модель выявления кариеса на основе ИИ продемонстрировала высокую эффективность по нескольким ключевым показателям:
- Общая точность. Модель на основе ИИ достигла общей диагностической точности 93,40 %. Это указывает на то, что инструмент на основе ИИ в большинстве случаев правильно распознает кариес, демонстрируя способность помочь клиницистам в выявлении кариеса зубов.
- Чувствительность. Чувствительность модели на основе ИИ составила 81,31 % (95 % доверительный интервал (ДИ): 78,22–84,06 %).
- Специфичность. Специфичность составила 95,65 % (95% ДИ: 94,94–96,26 %). Этот отличный результат свидетельствует о высокой надежности системы на основе ИИ, позволяя избежать ложных срабатываний и не распознавать здоровые зубы как разрушенные.
- Положительная прогностическая ценность. Положительная прогностическая ценность составила 77,68 % (95% ДИ: 74,49–80,58 %). Это означает, что вероятность правильной идентификации зуба как пораженного кариесом составляла 77,68 %.
- Отрицательная прогностическая ценность. Отрицательная прогностическая ценность составила 96,49 % (95% ДИ: 95,84–97,04 %). Это указывает на высокую вероятность того, что зуб, идентифицированный моделью на основе ИИ как не пораженный кариесом, на самом деле был без кариеса, и подчеркивает способность модели надежно исключать кариозное поражение, когда предполагается его отсутствие.
Одним из ключевых выводов стало различие в точности диагностики, основанное на следующих факторах:
- Локализация зуба. Модель на основе ИИ продемонстрировала наилучшие результаты при обнаружении кариеса на передних зубах с точностью 96,04 %.
- Тип кариеса. Модель имеет более низкую чувствительность к определенным типам кариеса. Например, чувствительность в отношении межзубного кариеса (разрушение контактных поверхностей зубов) на передних зубах и щечного кариеса (разрушение внешних поверхностей зубов) на премолярах была существенно ниже, а частота выявления составила всего 10 %.
Обладая высокой точностью, специфичностью и отрицательной прогностической ценностью, модель на основе ИИ может помочь клиницистам в выявлении здоровых зубов и успешном исключении кариозного поражения, повышая достоверность диагностики. Однако требуется повышение чувствительности при некоторых локализациях зуба и типах кариеса. Усовершенствованные модели на основе ИИ и мультимодальная интеграция данных могут повысить эффективность диагностики кариеса с помощью ИИ при оказании стоматологической помощи.
