Multicenter Evaluation of the Accuracy and Clinical Reliability of an Artificial Intelligence- Based System for Skeletal Maturity Indicators Staging

正在成长的儿童不仅仅是在长高；他们的身体正在经历一场复杂的内部变革，其中涉及骨骼硬化、关节融合以及生长高峰的加速与放缓。对于正畸医生而言，治疗的时机至关重要。移动牙齿或引导颌骨生长，在身体处于特定的生物发育阶段时效果最佳，而这个窗口期与孩子的实际生理年龄几乎无关，而是完全取决于其骨骼年龄。为了寻找这个窗口，医生长期以来一直依赖手腕 X 光片，通过观察手部和腕部的微小骨骼来判断孩子物理成熟度的进展情况。然而，这一过程需要人类专家仔细观察图像、识别特定的骨骼形状并判定其发育阶段。这是一项需要多年磨练才能掌握的技能，并且像任何人类任务一样，结果可能会因医生而异。

随着人工智能开始辅助许多医学领域，研究人员开始询问，计算机程序是否能像人类专家一样细致且一致地阅读这些 X 光片。来自韩国延世大学的一个研究团队发表了一项新研究，旨在测试一套专门为此设计的商业软件系统。研究人员想要了解，这种人工智能是否能够可靠地确定不同医院及不同类型患者的骨骼成熟度阶段，还是说它只能在受控的单一地点环境下表现良好。他们从两家不同的牙科医院收集了一大组患者数据，涵盖了广泛的年龄和生长模式，以观察计算机是否能匹配经验丰富的正畸专家的判断。

该研究审查了来自韩国两所大学附属医院的 595 名患者（年龄在 6 至 18 岁之间）的医疗记录和手腕 X 光片。在这些医院，患者接受了标准的正畸评估，包括拍摄头部和手部的 X 光片。研究人员首先通过让经验丰富的正畸专家审查 X 光片并结合患者的病历，为每位患者建立了一个“金标准”。在专家意见不一致的情况下，会引入第三位专家进行最终裁定。这种由人类得出的发育阶段作为参考点，用以测试人工智能。随后，从未见过这些特定 X 光片的计算机软件独立分析图像，以预测相同的成熟度阶段。

结果显示，该人工智能系统的表现具有高度的一致性和可靠性。当将计算机的预测结果与人类专家的最终决定进行对比时，两者在所有病例中完全吻定的比例为 73%。如果允许一个阶段的误差（即向上或向下偏差一个阶段），一致性则上升到了 96%。这意味着在几乎所有情况下，计算机要么完全准确，要么仅存在极小的、在临床上可以忽略不计的偏差。尽管两家医院使用的 X 光机不同且患者群体也不同，该系统在两家医院的表现同样出色。统计分析证实，医院地点本身不会影响结果的准确性，这表明该软件足够稳健，可以在不同的临床环境中工作，而无需针对每个新环境进行重新训练。

研究还揭示，该系统的准确性在不同人群中并不统一。计算机在评估女性患者时比男性患者更为准确。具体而言，它与人类专家的完全匹配率在女孩身上为 76%，而在男孩身上为 69%。进一步调查显示，这种差异是由青春期阶段驱动的。该系统对于已经开始月经周期的女孩准确率最高，匹配率达到 84%。对于尚未达到这一里程碑的女孩，其准确率则降至与男孩相当的水平。这表明，月经初潮后发生的骨骼变化可能比初潮前的变化更为显著，或者更容易被算法识别。有趣的是，患者的颌骨关系类型（即上颌与下颌是正常对齐、前突还是后缩）并不影响计算机读取 X 光片的能力。无论这些骨骼模式如何，系统的表现都一样出色。

在观察具体的发育阶段时，计算机在识别生长过程的起始阶段和结束阶段方面表现优异。它在识别发育的最早期阶段和生长完成的最终阶段时几乎达到了完美。这些时刻对于治疗计划至关重要，因为了解生长何时结束，对于决定是进行手术还是继续佩戴牙套至关重要。该系统在中间阶段的精确度较低，特别是在生长高峰期附近，此时的精确匹配率较低。然而，即使在这些困难的中间阶段，计算机也很少犯大错。它几乎总是预测出一个紧邻正确阶段的阶段，而不是大幅度提前或滞后。这种“小幅相邻误差”的模式在临床环境中远比大规模的随机误差更安全，因为它能确保治疗计划保持在安全且合理的范围内。

研究人员得出结论，这种人工智能系统是一个高度可靠的工具，可以支持正畸医生的日常实践。通过提供一致且快速的骨骼成熟度评估，该软件可以帮助医生更有信心地确定最佳治疗时机。研究证明，该系统在不同医院和不同患者群体中均表现良好，唯独目前在评估已过月经初潮阶段的女孩时表现略好。虽然计算机并不完美，但它避免重大错误的能力以及与人类专家的高度一致性表明，它已准备好作为一种有价值的辅助工具应用于现实世界的临床场景，从而帮助确保儿童在生长过程中最有效的时刻接受正畸治疗。