人工智能在使用医学诊断影像检测口腔潜在恶性疾病和口腔癌中的诊断性能：系统评价与荟萃分析

这篇论文主要探讨了人工智能（AI）算法在通过医学影像诊断口腔癌和口腔潜在恶性疾病（OPMDs）中的应用。研究的核心在于对现有研究进行系统综述和荟萃分析，以评估AI算法在识别口腔癌和OPMDs方面的有效性。

研究背景与目的

论文指出，AI在医学影像分析中的应用潜力巨大，尤其是在资源有限的环境中，AI可以通过提高诊断精度来改善治疗计划和患者结果。然而，目前缺乏对AI技术在检测口腔癌和OPMDs方面的证据进行全面的定量评估。因此，本研究旨在通过系统综述和荟萃分析，评估AI算法在诊断口腔癌和OPMDs中的有效性。

方法

研究遵循系统综述和荟萃分析的PRISMA指南，并在国际系统综述注册平台PROSPERO上注册。研究通过检索PubMed、Scopus和IEEE等数据库，筛选出相关的英文文献。研究的纳入标准包括：使用AI技术诊断OPMDs和口腔癌的原始研究，提供性能指标如敏感性、特异性和准确性，或提供详细的2×2混淆矩阵数据。排除标准包括重复、与主题无关的类型（如临床前研究、个案报告、综述文章或会议论文）、数据不足或未报告指定结果的研究。

数据提取与质量评估

数据提取由两名独立评审员进行，使用预定义的数据提取表。研究质量通过QUADAS-AI工具进行评估，该工具从患者选择、指标测试、参考标准、流程和时间等四个领域评估偏倚风险，并从患者选择、指标测试和参考标准三个领域评估适用性问题。

结果

研究共纳入55项研究，其中18项被纳入荟萃分析。研究表明，AI算法在诊断口腔癌和OPMDs方面表现出高敏感性（0.87）和高特异性（0.81）。诊断优势比（DOR）为131.63，表明诊断的准确性很高。SROC曲线的AUC为0.9758，显示出卓越的诊断性能，几乎达到完美的准确性。

讨论与结论

研究结果表明，AI算法在通过医学影像诊断口腔癌和OPMDs方面具有高准确性和可靠性。然而，研究也指出，AI在临床应用中仍面临挑战，如提高可解释性、可靠性和普遍性。为确保筛查过程的准确性和效率，研究建议需要标准化的方法和大规模、多中心的研究。

贡献与局限性

本研究通过系统综述和荟萃分析，提供了AI在诊断口腔癌和OPMDs方面的综合证据，强调了AI在资源有限环境中的潜力。研究的局限性包括：依赖已发表的文献，可能存在发表和语言偏倚；研究规模、方法学和评估指标的差异可能引入不一致性；成像工具、设备标准和方法学的差异可能影响诊断准确性。

未来研究方向

研究建议未来应进行大规模、多中心的研究，以验证AI算法在不同临床场景中的有效性，并提高其在临床中的接受度。此外，研究还强调了标准化方法的重要性，以确保AI在医学影像诊断中的准确性和效率。

通过这篇论文，读者可以全面了解AI在口腔癌和OPMDs诊断中的应用现状、方法和挑战，以及未来研究的方向。