Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review
Beurteilung des Kiefergelenks in MRT-Bildern mit künstlicher Intelligenz: systematische Übersicht
Dentomaxillofacial Radiology · 01.01.2025 · 54 (1) · 1-11
DOI: 10.1093/dmfr/twae055 ↗Auf einen Blick
Die Übersicht zeigt für AI-Algorithmen in der TMJ-MRT insgesamt hohe Leistungen, meist bei der Beurteilung der Diskusposition. Die berichtete Genauigkeit lag zwischen 70 % und 99 %.
Fragestellung
Wie gut erkennen AI-Algorithmen in MRT-Bildern TMJ-Diskusbefunde und interne Derangements des Kiefergelenks?
Methode
Systematische Übersicht; Suche in 5 elektronischen Datenbanken und grauer Literatur bis 27. Mai 2024; Bewertung mit QUADAS-2 und einer Checkliste für Dental-AI-Studien.
Ergebnisse
13 Studien. Die meisten beurteilten die Diskusposition, 1 Studie die Diskusperforation. Es wurde eine hohe Heterogenität im Bereich Patientenselektion beschrieben; CNN-basierte Modelle waren am häufigsten.
Einschränkungen
Hohe Heterogenität im Bereich Patientenselektion; weitere Studien mit vielfältigeren und multizentrischen Daten empfohlen.
Schlussfolgerung der Autor:innen
Die Integration von AI, insbesondere Deep Learning, in die TMJ-MRT zeigt laut Autor:innen vielversprechende Ergebnisse als diagnostische Unterstützung.
Kernaussagen
- 13 Studien zu AI in der TMJ-MRT
- Berichtete Genauigkeit: 70 % bis 99 %
- CNN-basierte Modelle am häufigsten verwendet
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Systematische Übersicht in der Zeitschrift Dentomaxillofacial Radiology, online erschienen am 19.11.2024. Verfasst von Mitul Manek und 6 weiteren Autor:innen. Beteiligte Einrichtung: School of Dentistry, Faculty of Medicine and Dentistry, University of Alberta, Edmonton, AB, Canada. Hauptthemen laut MEDLINE: Magnetic Resonance Imaging, Temporomandibular Joint Disorders, Artificial Intelligence. Die Arbeit wurde bisher 17-mal zitiert (Crossref) und nennt 31 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Undergraduate Research Initiative Fund, School of Dentistry, University of Alberta, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior-Brazil.
Abstract (Originalsprache)
Objectives
To summarize the current evidence on the performance of artificial intelligence (AI) algorithms for the temporomandibular joint (TMJ) disc assessment and TMJ internal derangement diagnosis in magnetic resonance imaging (MRI) images.
Methods
Studies were gathered by searching 5 electronic databases and partial grey literature up to May 27, 2024. Studies in humans using AI algorithms to detect or diagnose internal derangements in MRI images were included. The methodological quality of the studies was evaluated using the Quality Assessment Tool for Diagnostic of Accuracy Studies-2 (QUADAS-2) and a proposed checklist for dental AI studies.
Results
Thirteen studies were included in this systematic review. Most of the studies assessed disc position. One study assessed disc perforation. A high heterogeneity related to the patient selection domain was found between the studies. The studies used a variety of AI approaches and performance metrics with CNN-based models being the most used. A high performance of AI models compared to humans was reported with accuracy ranging from 70% to 99%.
Conclusions
The integration of AI, particularly deep learning, in TMJ MRI, shows promising results as a diagnostic-assistance tool to segment TMJ structures and classify disc position. Further studies exploring more diverse and multicentre data will improve the validity and generalizability of the models before being implemented in clinical practice.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Autor:innen und Institutionen
- School of Dentistry, Faculty of Medicine and Dentistry, University of Alberta, Edmonton, AB, Canada.
- Graduate Program in Dentistry, State University of Paraiba, Campina Grande, Brazil.
- College of Dentistry, University of Saskatchewan, Saskatoon, Saskatchewan, Canada.
- Radiology and Diagnostic Imaging, Faculty of Medicine and Dentistry, University of Alberta, Edmonton, AB, Canada.
ORCID-Profile: Diego Filipe Bezerra Silva, Fabiana T Almeida
Förderung
- Undergraduate Research Initiative Fund, School of Dentistry
- University of Alberta
- Coordenação de Aperfeiçoamento de Pessoal de Nível Superior-Brazil
- Coordenação de Aperfeiçoamento de Pessoal de Nível Superior—Brazil
Zitieren
APA
Manek, M., Maita, I., Bezerra Silva, D. F., Pita de Melo, D., Major, P. W., Jaremko, J. L., & Almeida, F. T. (2025). Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review. Dentomaxillofacial Radiology, 54(1), 1-11. https://doi.org/10.1093/dmfr/twae055
Vancouver
Manek M, Maita I, Bezerra Silva DF, Pita de Melo D, Major PW, Jaremko JL, et al. Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review. Dentomaxillofacial Radiology. 2025;54(1):1-11. doi:10.1093/dmfr/twae055
BibTeX
@article{Manek2025,
author = {Manek, Mitul and Maita, Ibraheem and Bezerra Silva, Diego Filipe and Pita de Melo, Daniela and Major, Paul W and Jaremko, Jacob L and Almeida, Fabiana T},
title = {Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review},
journal = {Dentomaxillofacial Radiology},
year = {2025},
volume = {54},
number = {1},
pages = {1--11},
doi = {10.1093/dmfr/twae055}
}
EUVIMED