Diagnostic Performance of Autofluorescence for Oral Lesions: A Comparison Between a Postgraduate and an Expert Clinician
Notice bibliographique
Résumé
Background/Objectives: Autofluorescence (AF) is a widely used adjunctive tool in the detection of oral potentially malignant disorders (OPMDs) and malignant lesions, but its performance can be influenced by clinicians’ experiences. This study aimed to examine how AF influences diagnostic decision-making and performances of a novice clinician compared with those of an experienced examiner. Methods: A total of 80 patients with oral lesions participated in this cross-sectional study. Each underwent a standard oral examination (OE) followed by an assessment with the VELscope® System Vx (LED Medical Diagnostics Inc., Burnaby, BC, Canada), independently conducted by an expert clinician (E) and a postgraduate dentist (PD), both blinded to each other’s results. Biopsy and histopathological analysis provided the reference diagnosis. After every examination, lesions were categorized as either “Risk of Malignancy” (RM) or “No Risk of Malignancy” (NRM). Results: Based on OE, PD identified 39 RM lesions, while E 29. AF with VELscope® identified an additional 12 RM lesions for the PD and 7 for the E that were not suspected on OE alone. Combining OE with VELscope® improved sensitivity (PD: 90.9%; E: 95.4%) and negative predictive value (PD: 91.7%; E: 97.6%), while decreasing specificity (PD: 37.9%; E: 70.7%) and positive predictive value (PD: 35.7%; E: 55.3%) compared with OE alone. Conclusions: AF increases diagnostic sensitivity, particularly for less experienced clinicians, while offering moderate advantages for experts. Nevertheless, the corresponding decline in specificity emphasizes the need for cautious interpretation. AF should be incorporated as a complementary tool within structured diagnostic pathways, accompanied by adequate training, and cannot replace histopathological confirmation or clinical expertise.
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 | 0,008 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».