EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Diagnostic accuracy of artificial intelligence for detecting oral cancer and potentially malignant disorders on clinical photographs

Diagnostische Genauigkeit von künstlicher Intelligenz zum Erkennen von Mundkrebs und potenziell malignen Störungen auf klinischen Fotografien

Sandra Ivette López Romo, Olga Peña Silva, Luis Fabián Enríquez Jácome

SAP Artificial Intelligence in Dentistry · 29.10.2026 · 2 · 162

DOI: 10.62486/aid2026162 ↗

Auf einen Blick

Eine systematische Übersicht fand 14 Primärstudien. Unter kontrollierten Bedingungen war die diagnostische Genauigkeit hoch, extern validiert wurde jedoch nur selten.

Fragestellung

Wie genau erkennt künstliche Intelligenz Mundkrebs und potenziell maligne Störungen auf klinischen Fotografien?

Methode

Systematische Übersicht nach PRISMA 2020; Suche in Scopus, PubMed und Crossref bis 2026; Diagnosestudien mit histologischem oder Experten-Referenzstandard.

Ergebnisse

14 Primärstudien aus 2025 und 2026. Die Genauigkeit war bei interner Validierung hoch, variierte aber nach Modell, Bildquelle und Läsionstyp; externe Validierung wurde selten berichtet.

Einschränkungen

Evidenz jung, von interner Validierung dominiert; externe Validierung nur in einer Minderheit der Studien.

Schlussfolgerung der Autor:innen

Künstliche Intelligenz erkennt Mundkrebs und potenziell maligne Störungen auf klinischen Fotografien unter kontrollierten Bedingungen mit hoher Genauigkeit, vor Screening-Einsatz ist prospektive externe Validierung nötig.

Kernaussagen

  • 14 Primärstudien wurden eingeschlossen
  • Hohe Genauigkeit vor allem bei interner Validierung
  • Externe Validierung wurde nur selten berichtet

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift SAP Artificial Intelligence in Dentistry, online erschienen am 29.10.2026. Verfasst von Sandra Ivette López Romo und 2 weiteren Autor:innen. Die Arbeit nennt 41 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

Auf einen BlickAbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Introduction

Artificial intelligence applied to clinical photographs could enable early detection of oral cancer and potentially malignant disorders, but its diagnostic accuracy has not been consolidated.

Methods

A systematic review was conducted following PRISMA 2020. Scopus, PubMed and Crossref were searched up to 2026 for diagnostic accuracy studies of artificial intelligence detecting oral cancer or oral potentially malignant disorders from clinical photographs against a histologic or expert reference standard. Screening was assisted by artificial intelligence and verified by the authors.

Results

Fourteen primary studies published in 2025 and 2026 were included. Reported accuracy was high under internal validation but varied by model, image source and lesion type, with convolutional and object-detection models reaching near-ceiling accuracy on curated datasets and general-purpose vision-language models performing less consistently. External validation was reported in a minority of studies.

Conclusions

Artificial intelligence detects oral cancer and potentially malignant disorders from clinical photographs with high accuracy under controlled conditions, but the evidence is young, dominated by internal validation and uneven across models. Prospective external validation against biopsy-confirmed diagnoses is required before these tools can support screening.

Zitieren

APA

Romo, S. I. L., Silva, O. P., & Jácome, L. F. E. (2026). Diagnostic accuracy of artificial intelligence for detecting oral cancer and potentially malignant disorders on clinical photographs. SAP Artificial Intelligence in Dentistry, 2, 162. https://doi.org/10.62486/aid2026162

Vancouver

Romo SIL, Silva OP, Jácome LFE. Diagnostic accuracy of artificial intelligence for detecting oral cancer and potentially malignant disorders on clinical photographs. SAP Artificial Intelligence in Dentistry. 2026;2:162. doi:10.62486/aid2026162

BibTeX
@article{Romo2026,
  author = {Romo, Sandra Ivette López and Silva, Olga Peña and Jácome, Luis Fabián Enríquez},
  title = {Diagnostic accuracy of artificial intelligence for detecting oral cancer and potentially malignant disorders on clinical photographs},
  journal = {SAP Artificial Intelligence in Dentistry},
  year = {2026},
  volume = {2},
  pages = {162},
  doi = {10.62486/aid2026162}
}
Kostenlos starten →