ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
OBJECTIVES: To systematically evaluate the diagnostic performance of artificial intelligence (AI) systems for detecting proximal caries lesions on bitewing radiographs. MATERIALS AND METHODS: Electronic searches were conducted in PubMed/MEDLINE, Scopus, and Web of Science for studies published between January 2000 and March 2026. Studies evaluating AI-based systems for proximal caries detection on bitewing radiographs were included. True-positive, false-positive, true-negative, and false-negative values were extracted directly or reconstructed from reported diagnostic accuracy metrics when sufficient information was available. Pooled sensitivity and specificity were estimated separately using random-effects models on the logit scale. RESULTS: Eleven studies were included in the qualitative synthesis, of which three studies provided sufficient 2×2 contingency table data for quantitative synthesis. The pooled sensitivity and specificity of AI systems for proximal caries detection were 0.73 (95% CI 0.70–0.75) and 0.92 (95% CI 0.69–0.99), respectively. Most included studies demonstrated promising diagnostic performance using deep learning architectures, particularly convolutional neural networks and YOLO-based models. CONCLUSION: AI systems demonstrated promising diagnostic performance for detecting proximal caries lesions on bitewing radiographs. However, methodological heterogeneity and limited external validation remain important limitations. Further prospective multicenter studies are needed to confirm the clinical applicability of AI-assisted caries detection systems.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 70/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Dental Health and Care Utilization · Dental Radiography and Imaging · Oral microbiology and periodontitis research
บทบาทของนักวิจัยและสถาบันไทย
Arnun Jukisalapong · Bangkok Hospital
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง