Reference Standards in Artificial Intelligence Detection of Apical Periodontitis: A Narrative Review of What Reported Accuracy Measures
Referenzstandards in der künstlichen Intelligenz zur Detektion apikaler Parodontitis: narrative Übersichtsarbeit zu berichteten Genauigkeitsmaßen
Diagnostics · 06.10.2026 · 16 (19) · 3225
DOI: 10.3390/diagnostics16193225 ↗Auf einen Blick
Die Übersichtsarbeit zeigt: Berichtete KI-Genauigkeiten zur Erkennung apikaler Parodontitis beziehen sich meist nicht auf die Erkrankung selbst, sondern auf Bildlabels oder andere Referenzen. Das verändert die Interpretation der Ergebnisse.
Fragestellung
Welche Referenzstandards wurden in Studien zur KI-Detektion apikaler Parodontitis verwendet, und was bedeuten die berichteten Genauigkeitsmaße?
Methode
Narrative Übersichtsarbeit zu 44 Primärstudien; Analyse der verwendeten Referenzstandards und der berichteten Genauigkeitsmaße.
Ergebnisse
Von 44 Studien nutzten 34 (77 %) ein Label aus der Beurteilung des Indexbildes oder einen nicht nachvollziehbaren Standard. 8 (18 %) nutzten eine unabhängige Referenz; 6 davon passend für zeitgleiche Detektion, 2 für spätere Therapieoutcomes.
Einschränkungen
Keine systematische Metaanalyse; die Studie berichtet Heterogenität der Referenzstandards und der Genauigkeitsmaße.
Schlussfolgerung der Autor:innen
Die berichtete Genauigkeit stimmt meist mit einem fehlerhaften Rater überein; dadurch ändern sich die in Metaanalysen gepoolten Ergebnisse. Modelle, die menschliche Labels reproduzieren, hätten gegen die Erkrankung eine niedrigere Sensitivität.
Kernaussagen
- 34 von 44 Studien nutzten ein Label des Indexbildes oder einen unklaren Standard
- Kein CBCT-Input-Studienstandard war unabhängig vom Volumen
- Berichtete Genauigkeit kann eher den Rater als die Erkrankung abbilden
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Übersichtsarbeit in der Zeitschrift Diagnostics, online erschienen am 06.10.2026. Verfasst von Omar R Alkhattab und 1 weiteren Autor:innen. Beteiligte Einrichtung: Department of Endodontics, Faculty of Dentistry, King Abdulaziz University, Jeddah 21589, Saudi Arabia. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 86 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
The accuracy reported for detecting apical periodontitis using artificial intelligence (AI) is generally interpreted as accuracy against the disease; however, this is usually not the case. Compared with histopathology, single-view periapical radiography detects 16 to 27% of confirmed lesions and 38% with parallax, with a pooled digital sensitivity of 61.0% and a negative predictive value of 41.6%. Two blinded specialists reading 1717 radiographs disagreed on 22% of teeth. Detection depended on lesion size and site: simulated cancellous-bone lesions were invisible below 1 mm in incisors and 3 mm in molars. Of the 44 primary studies identified, 34 (77%) used a label that was a reading of the index image or was unascertainable; eight (18%) used an independent reference—six (14%) suited to contemporaneous detection and two to later treatment outcomes. No cone-beam computed tomography (CBCT) input study had a reference independent of its volume. One commercial platform reported 92.3% sensitivity against same-image consensus and 47.9% against blinded CBCT. The reported accuracy is thus in agreement with a noisy rater; recognising this changes what meta-analyses pool. A model that reproduces human labels would have a lower sensitivity against disease than reported; for real-world models, the direction depends on error dependence that the study design cannot identify.
Schlagwörter
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Department of Endodontics, Faculty of Dentistry, King Abdulaziz University, Jeddah 21589, Saudi Arabia.
- Department of Dental Public Health, Faculty of Dentistry, King Abdulaziz University, Jeddah 21589, Saudi Arabia.
ORCID-Profile: Omar R Alkhattab, Abdullah Bokhary
Zitieren
APA
Alkhattab, O. R., & Bokhary, A. (2026). Reference Standards in Artificial Intelligence Detection of Apical Periodontitis: A Narrative Review of What Reported Accuracy Measures. Diagnostics, 16(19), 3225. https://doi.org/10.3390/diagnostics16193225
Vancouver
Alkhattab OR, Bokhary A. Reference Standards in Artificial Intelligence Detection of Apical Periodontitis: A Narrative Review of What Reported Accuracy Measures. Diagnostics. 2026;16(19):3225. doi:10.3390/diagnostics16193225
BibTeX
@article{Alkhattab2026,
author = {Alkhattab, Omar R and Bokhary, Abdullah},
title = {Reference Standards in Artificial Intelligence Detection of Apical Periodontitis: A Narrative Review of What Reported Accuracy Measures},
journal = {Diagnostics},
year = {2026},
volume = {16},
number = {19},
pages = {3225},
doi = {10.3390/diagnostics16193225}
}
EUVIMED