AI用于种植体周边缘骨丧失影像定量与严重度评估的系统综述

Journal of prosthodontics : official journal of the American College of Prosthodontists · 2026-09-22 · 综述

• 一句话结论：该系统综述提示，基于人工智能的影像模型在种植体周边缘骨丧失的定位、分割与分类等任务上表现较好，但证据多为任务特异性、来自回顾性数据集，尚不足以支持常规临床应用。
• 研究设计与做法：设计为系统综述：检索PubMed/MEDLINE、Scopus、Web of Science、Embase、Cochrane Library、Google Scholar及参考文献，检索自建库至2026年8月11日；初检1485条记录，最终纳入17项原始研究；诊断/图像分析研究采用QUADAS-3，预测模型研究采用PROBAST评估质量。
• 主要结果：结果按任务重叠统计：14项报告定位/检测、6项分割/关键点、10项严重度/形态、12项诊断/分类、6项直接与临床医生比较。种植体/种植体周组织检测精确度0.977、召回0.992、F1为0.984、平均IoU为0.916；种植体分割Dice为0.986、IoU为0.974；下游种植体周炎分类精确度0.777；诊断/预测任务敏感度约66%–96%。
• 机制或解释：作者解释为报告性能具有任务特异性，且常来自回顾性筛选、富集、内部拆分或增强的数据集；未讨论具体生物学机制。
• 局限与边界：局限包括：无研究报告完整的预设绝对MBL测量一致性结局集；仅6项使用明确独立多评估者参考标准并报告共识或可靠性；无研究经过清晰可追溯的独立多中心外部验证；材料未报告随访时长与利益冲突。
• 可否落地：落地含义：现有模型或可支持研究与在严格监督下的影像分析任务，属「提示」档位；在独立多中心外部验证与前瞻性研究证明临床可接受的绝对测量误差及患者获益前，不推荐常规临床使用，属「不足以下结论」档位。

🔗 打开原文

Khanzadeh H, Azizigermi S, Mokhlesi A 等

本文摘自《每日前沿研究简报 · 2026-09-25》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。