亮点
- AI平台Diagnocat在检测非根管治疗磨牙的根尖透射影（PARLs）方面表现出高敏感性（高达93.9%）。
- 特异性适中，表明可能存在过度诊断，尤其是在术后扫描中。
- 根管治疗后的扫描显示出显著降低的阳性预测值（PPV）和F1分数，表明治疗后诊断挑战较大。
- 研究结果强调了AI工具与专家人工评估在根管诊断中的互补作用。
研究背景及疾病负担
根尖周炎是一种常见的牙根尖部炎症病变，通常由牙髓感染引起。准确检测根尖透射影（PARLs）对于根管诊断、治疗计划和预后至关重要。传统的放射影像学方法如根尖片和全景片在敏感性和特异性方面存在局限性，尤其是在复杂的解剖区域如磨牙。
锥形束计算机断层扫描（CBCT）提供了优越的空间分辨率和三维可视化，提高了诊断信心。然而，解读CBCT扫描需要专业知识且耗时较长。基于人工智能（AI）的工具通过自动化病灶检测有望提高诊断效率。Diagnocat平台是一个基于卷积神经网络的AI工具，旨在检测CBCT图像中的根尖透射影。
尽管AI在牙科的应用日益广泛，但在广泛采用之前，对这些平台进行严格的临床验证以确保其准确性和可靠性是必要的。因此，本研究旨在严格评估Diagnocat在磨牙中的诊断性能，比较其在未治疗的非根管填充牙齿以及根管治疗后的有效性。
研究设计
这是一项回顾性研究，分析了来自134颗磨牙的327个根的锥形束计算机断层扫描数据集，按治疗状态分为术前（非根管填充）组和术后（根管填充）组。
Diagnocat AI平台应用于这些CBCT图像以检测根尖透射影的存在。AI输出与两名经验丰富的根管治疗医生独立建立的参考标准进行了比较，这些医生在没有访问AI结果的情况下审查了扫描图像中的根尖透射影。
计算了牙级和根级评估的诊断准确性指标。评估的指标包括敏感性、特异性、准确性、阳性预测值（PPV）、阴性预测值（NPV）、F1分数（精确率和召回率的调和平均数）以及受试者工作特征曲线下的面积（AUC-ROC）。
主要发现
在非根管填充磨牙（术前扫描）中，Diagnocat表现出：
– 高敏感性：牙级93.9%，根级86.2%，表明检测真实病灶的能力较强。
– 适中特异性：牙级65.2%，根级79.9%，表明存在一些假阳性。
– 准确性为79.1%（牙级）和82.6%（根级），反映了平衡的性能。
– PPV范围为71.8%至75.8%，NPV显著高，为91.8%至88.8%，表明阴性评估可靠。
– F1分数为81.3%（牙级）和80.7%（根级），表明总体预测质量良好。
– AUC-ROC值为0.76（牙级）和0.79（根级），表明中等诊断效能。
相比之下，根管填充磨牙的术后扫描表现明显较差：
– 牙级PPV降至54.2%，根级降至46.9%。
– F1分数降至67.2%（牙级）和59.2%（根级）。
这些发现表明，治疗后AI检测根尖透射影的可靠性下降，可能是因为伪影、充填材料引起的放射学特征改变或愈合变化使模式识别复杂化。
专家评论
AI在牙科放射学中的应用是一个不断发展的前沿领域。Diagnocat在未治疗磨牙中表现出的高敏感性在临床上具有重要价值，有助于减少漏诊。然而，适中的特异性要求谨慎，因为假阳性可能导致不必要的干预或焦虑。这突显了临床医生监督的重要作用，即将AI得出的结果置于全面临床评估的背景下进行解释。
术后扫描准确性下降的现象突显了当前AI模型的一个关键局限性：难以区分复杂的治疗后变化与病理病灶。增强训练数据集，包括多样化的术后图像，先进的算法补偿光束硬化伪影，或整合临床数据，可能会改善未来的性能。
从生物学角度来看，根尖透射影代表炎症骨吸收，在CBCT上表现为低密度区。根管充填材料引起的改变可能模仿或掩盖这些发现，需要超出原始图像分析的解释技能。
结论
Diagnocat在检测非根管填充磨牙CBCT扫描中的根尖透射影方面表现出有前景的诊断准确性，以高敏感性和合理的整体准确性为特征。然而，其适中的特异性意味着AI诊断应被视为辅助手段，而不是替代专家临床判断，以减轻过度诊断的风险。
根管填充牙齿的术后诊断表现显著下降，限制了Diagnocat在根管治疗后疾病监测中的当前效用。继续改进AI算法、在更大的临床队列中验证以及整合多模态数据是提高所有临床场景下可靠性的关键。
临床医生应积极参与解读AI生成的结果，并利用这些工具来增强而非替代他们的诊断过程。未来的研究应探索在全面的术后数据集上训练AI系统，并评估其对患者结局的影响。
参考文献
Allihaibi M, Koller G, Mannocci F. 人工智能平台在检测磨牙锥形束计算机断层扫描中根尖透射影的诊断准确性. J Dent. 2025 Sep;160:105854. doi: 10.1016/j.jdent.2025.105854. Epub 2025 May 31. PMID: 40456383.
Patel S, Dawood A, Ford TP. 锥形束计算机断层扫描在管理根管问题中的潜在应用. Int Endod J. 2007;40(10):818-30.
Schwendicke F, Golla T, Dreher M. 人工智能在牙科诊断中的应用——现状与未来展望. Br Dent J. 2021;230(8):477-485.
Setzer FC, Shah S, Kohli MR, Karabucak B, Kim S. 锥形束计算机断层扫描在根管治疗中的应用——综述. J Endod. 2012;38(9):1338-1345.
