Kısa cevap: Yeni sistematik ve umbrella review’lar AI tabanlı çürük tespitinde umut verici performans bildirirken heterojenlik, retrospektif veri ve sınırlı external validation sorunlarını da vurguluyor.
Model neyi tespit eder?
Diş hekimliğinde AI içinde çürük en çok araştırılan görüntü görevlerinden biridir. Bitewing, periapikal, ağız içi fotoğraf veya smartphone görüntüsü kullanılabilir. Ancak görüntü bulgusu, lezyon aktivitesi ve tedavi ihtiyacı konusunda tek başına yeterli değildir.
Kanıt ne söylüyor?
2026 umbrella review’u 17 sistematik derlemeyi sentezledi ve genel olarak iyi diagnostik performans bildirdi. Buna karşın görüntü türü, lezyon threshold’u, analitik görev ve raporlama biçiminde büyük heterojenlik vardı. Retrospektif dataset ve dış doğrulama eksikliği önemli sınırlamalardı.
Bitewing ve ağız içi fotoğraf
Bitewing özellikle proximal caries için önemlidir. Smartphone ve ağız içi fotoğraflar tarama için erişilebilir olabilir, ancak ışık, açı ve erken lezyonlarda sensitivity değişebilir.
Detection ve risk prediction farklıdır
Detection bugünkü görüntü sinyalini arar. Risk prediction gelecekte çürük oluşma veya ilerleme olasılığını tahmin eder ve geçmiş, davranış, fluoride ve başka değişkenler kullanabilir.
Ürün değerlendirme kontrolü
- Intended use tam olarak nedir?
- Model sizin görüntü modality’nize benzer veride test edildi mi?
- Harici doğrulama var mı?
- Erken ve ileri lezyonlar ayrı raporlandı mı?
- Belirsizlik ve düşük görüntü kalitesi nasıl yönetiliyor?
Şüpheli alan bulmak, restoratif tedavi kararı vermek değildir.
Tedavi; aktivite, risk, muayene ve hasta bağlamını gerektirir.
Daha geniş görüntü bağlamı için diş radyolojisinde AI rehberine bakın.
Seçili kanıtlar
Eğitim amaçlıdır; tanı ve tedavi planının yerini almaz.