AI-driven analysis of jaw-bone alterations in CBCT images associated with systemic diseases: A systematic review
Notice bibliographique
Résumé
This systematic review aims to evaluate the diagnostic performance of artificial intelligence (AI) algorithms in detecting jawbone alterations associated with systemic diseases, primarily osteoporosis (OP) and temporomandibular joint osteoarthritis (TMJ OA) using cone-beam computed tomography (CBCT) images. Following PRISMA guidelines, a comprehensive search was conducted across multiple databasesStudies were included if they applied AI techniques to CBCT scans for detecting jawbone changes related to systemic bone conditions. Data were extracted on study design, AI architecture, population, diagnostic performance, and risk of bias using QUADAS-2 and an AI-specific quality checklist. Seven studies published between 2018 and 2024 met the inclusion criteria. AI models such as convolutional neural networks (CNNs), you only look once (YOLO), artificial neural networks (ANNs), and ensemble methods were employed. These models demonstrated high diagnostic performance, with accuracies ranging from 76.78 % to 98.85 %, sensitivities up to 100 %, and specificities above 94 %. OP-related studies focused on mandibular bone density and cortical morphology, while TMJ OA studies targeted condylar changes such as flattening, erosion, and osteophytes. Most models were trained on single-center datasets with limited external validation. Risk-of-bias analysis revealed common concerns in patient selection and reference standard reporting. AI models, particularly DL-based architectures, show strong potential for identifying osseous changes associated with systemic diseases on CBCT images. These findings highlight AI's potential to support early detection of jawbone changes and enable screening for systemic diseases during routine dental imaging.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».