提高牙科诊断：人工智能在检测根尖周透射影中的作用

亮点

• 人工智能辅助显著减少了全景片中根尖周透射影（PRs）的假阳性诊断。
• 初级牙医在人工智能支持下，诊断准确性和信心显著提升。
• 人工智能指导使治疗决策更加保守，可能减少过度治疗。

研究背景与疾病负担

根尖周透射影（PRs）是与牙髓坏死和根尖周炎等常见病理过程相关的放射学表现，这些疾病在牙科实践中具有较高的流行率和临床意义。准确检测PRs对于指导适当的根管或修复治疗、避免不必要的干预措施以及确保最佳患者预后至关重要。全景放射成像因其广泛的覆盖范围和成本效益而被广泛使用，但其检测PRs的敏感性和特异性相比锥形束计算机断层扫描（CBCT）较低。不同经验水平的牙医在解释上的差异进一步加剧了诊断的一致性问题，可能导致过度或不足治疗。

近年来，人工智能（AI）和机器学习在图像分析和诊断支持方面取得了令人瞩目的进展。将人工智能纳入全景放射片的解读可以标准化评估，提高诊断准确性，并改善治疗计划。然而，关于人工智能对牙科诊断实践影响的严格临床证据仍然稀缺。这项随机对照试验旨在填补这一空白，评估人工智能辅助在评估全景图像中的PRs时对诊断准确性、信心和治疗决策的影响。

研究设计

这项随机交叉对照试验涉及30名具有不同临床经验水平的牙医，包括初级执业者和有经验的临床医生。每位参与者两次评估一组50张匿名全景放射片：一次无辅助，一次有人工智能辅助。人工智能工具在图像中标出疑似根尖周透射影区域，以支持诊断决策。

同一患者的CBCT扫描作为参考标准，用于确定PRs的存在与否，从而客观地确定真阳性和真阴性。

主要结局指标包括敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）、总体诊断准确性和受试者工作特征曲线（ROC）和自由响应ROC曲线（AFROC）下的面积。牙医还报告了每次评估后的诊断信心和治疗决策。统计分析采用了混合效应回归模型，以考虑组内相关性和经验水平效应。

关键发现

总体诊断准确性在人工智能辅助下适度但显著提高，从91.6%（无辅助）提高到93.3%（人工智能辅助；p < 0.001）。这一改进主要由假阳性诊断的减少驱动（假阳性率从4.3%无辅助降至2.0%人工智能辅助），而敏感性保持统计上不变（46.0%无辅助 vs. 45.8%人工智能辅助）。

初级牙医最初表现出较低的基础准确性和信心，在人工智能支持下显示出最显著的受益，诊断性能和自信心均有显著提升。这一发现表明，人工智能作为一种教育辅助工具和诊断均衡器，有助于缓解因经验差异导致的不平等。

重要的是，人工智能辅助诊断与更保守的治疗决策相关。通过减少假阳性，不必要的侵入性程序的可能性降低，使治疗更加符合真实病理。

高级诊断指标，包括ROC和AFROC分析，证实了人工智能辅助在复杂放射图像解读中的辨别能力有所提高，强调了该工具的有效性。

专家评论

该试验提供了临床相关的证据，支持将人工智能整合到牙科诊断中，尤其是在全景放射成像仍然是主流技术的情况下。结果与医疗人工智能领域的更广泛趋势一致，算法辅助增强了但并未取代人类专家判断。

从机制角度来看，人工智能算法利用大型注释数据集来识别可能被人类观察者忽视的细微图像模式，从而降低误报率。然而，稳定的敏感性表明，人工智能不一定能提高所有真阳性病灶的检出率，突显了继续临床警惕的必要性。

局限性包括研究使用预先选择的放射片和受控评估环境，这可能与现实世界中的临床工作流程不同。此外，人工智能模型在不同患者群体和成像硬件中的通用性需要进一步验证。

未来的研究可以探索人工智能辅助诊断的纵向患者结局、成本效益分析以及与全面诊断路径（包括临床检查和患者病史）的整合。

结论

这项随机对照试验表明，人工智能辅助在全景放射片中检测根尖周透射影时，为牙医提供了适度但统计上显著的诊断准确性提升，主要是通过减少假阳性错误。初级牙医受益最大，诊断信心和表现均有所提高，表明人工智能作为诊断和教育工具的潜力。

此外，人工智能支持促使治疗决策更加保守，可能减少过度治疗及其相关的患者负担。这些发现倡导在牙科诊断工作流程中有意识地整合人工智能工具，以标准化评估、优化护理并促进不同经验水平的临床一致性。

更广泛的实施应与持续的研究相结合，以解决人工智能的可扩展性、与多模态诊断的整合以及现实世界中的临床有效性。

参考文献

Pul U, Tichy A, Pitchika V, Schwendicke F. 人工智能辅助在诊断根尖周透射影中的影响：一项随机对照试验。J Dent. 2025年9月；160:105868。doi: 10.1016/j.jdent.2025.105868。Epub 2025年6月3日。PMID: 40466762。

Jaju PP, Jaju SP. 锥形束计算机断层扫描在牙科实践中的应用。J Nat Sci Biol Med. 2015；6（增刊1）:S29-S35。doi:10.4103/0976-9668.149072

Patel S, Durack C, Abella F, Roig M, Shemesh H, Lambrechts P, Lemberg K. 根管治疗中的锥形束计算机断层扫描——文献综述。Int Endod J. 2015；48（1）:3-15。doi:10.1111/iej.12270

Esteva A, Robicquet A, Ramsundar B, 等. 医疗保健中的深度学习指南。Nat Med. 2019；25（1）:24-29。doi:10.1038/s41591-018-0316-z

Schwendicke F, Singh T, Lee JH, 等. 牙科中的人工智能：机遇与挑战。J Dent Res. 2020；99（7）:769-774。doi:10.1177/0022034520915715