返回
Artificial Intelligence-assisted Diagnosis of Carotid Artery Calcifications on Panoramic Radiographs: A Meta-analysis
10.1016/j.identj.2026.109421
2026-02-09
0
OA
PDF
AI
摘要
En 中文
颈动脉钙化（CACs），作为已知的卒中风险因素，可通过全景 radiographs（PRs）检测。然而，这一临床显著性的病理生理状况长期因牙医培训不足和专业知识缺乏而被漏诊。人工智能（AI）可能作为有价值工具辅助牙医在PRs上检测CACs。本荟萃分析旨在评估AI在PRs上检测CACs的诊断准确性。在PubMed、Embase、Web of Science、Scopus和Cochrane Library上进行了文献检索，检索日期截至2025年9月4日，无语言限制。采用诊断准确性研究的质量评估2（QUADAS-2）工具评估研究质量。通过曲线下面积（AUC）、灵敏度、特异度、阳性似然比（PLR）、阴性似然比（NLR）和诊断优势比（DOR）评估AI性能。荟萃分析使用Stata 14.0进行。本系统评价共识别8篇相关文献，其中7篇符合荟萃分析标准。分析从两个角度进行：每侧（分别评估参与者的左右侧）和每人。在每侧分析中，汇总估计值显示高诊断准确性：灵敏度为0.88（95% CI：0.84-0.92），特异度为0.94（95% CI：0.91-0.97），PLR为15.8（95% CI：9.0-27.6），NLR为0.12（95% CI：0.08-0.18），DOR为129（95% CI：55-305），AUC为0.96。每人分析得出合并灵敏度为0.90（95% CI：0.74-0.97），特异度为0.81（95% CI：0.73-0.87）。相应的PLR为4.6（95% CI：3.1-7.0），NLR为0.12（95% CI：0.04-0.36），DOR为37（95% CI：10-144），AUC为0.86。这些结果提示AI可能作为有价值工具辅助牙医在PRs上检测CACs。然而，仍需大规模、循证研究验证这些发现。
关键词:
Artificial intelligence
Carotid artery calcifications
Panoramic radiographs
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.7
论文数: 2.5K
・
被引数: 4.4K
学者
F
Fangfei Ye
H 指数:
5
论文数: 7
・
被引数: 83
Q
Qun Zhou
H 指数:
6
论文数: 13
・
被引数: 448
S
Siying Zhang
H 指数:
0
论文数: 2
・
被引数: 0
机构
S
Shaoxing Hospital of Traditional Chinese Medicine
学者数:
15
论文数: 14
・
被引数: 0
S
Shaoxing Maternity and Child Health Care Hospital
学者数:
22
论文数: 11
・
被引数: 0
N
Nanchang University
学者数:
3.7W
论文数: 2.1W
・
被引数: 3.7W
引用论文