人工智能驱动的三维颅面重叠在生长期患者临床有用治疗结果中的应用：一项多中心研究

引言：在生长期患者中，可靠的变化量化要求明确说明用于重叠的参考体系，并将所有值解释为相对变化；然而，手动工作流程耗时且可变。本研究评估了参考明确分析的测量可靠性和工作流程效率，将全自动开源分割配准工作流程与半自动体素方法进行了比较，以用于临床有用的三维评估。方法：分析了22名II类患者在治疗前(T1)和治疗后(T2)的锥形束计算机断层扫描。使用内置定量分析进行自动分割和体素重叠。主要结局是相对于颅底、上颌骨和下颌骨区域重叠的骨骼和牙齿变化。比较了三种不同AI参与程度的配准方法——常规、半自动和全自动。采用混合效应线性回归模型评估性能。结果：骨骼和牙齿测量的一致性很高，AI驱动和常规配准方法之间观察到微小差异，所有方法显示出临床可比的精度。自动与常规工作流程之间大多数绝对平均差异在1.5毫米（线性测量）和1.5°（角度测量）以内。颅底重叠差异显示T2-T1变化的平均差异范围为-0.3至0.7毫米，而区域重叠差异显示T2-T1变化的平均差异范围为-1.7至1.1毫米。结论：自动临床医生验证的工作流程在生长期患者中产生可靠且更快的3D变化测量。解释时必须考虑用于重叠的参考区域。AI驱动的开源工具提供了实用的定量分析，以支持诊断、时机和治疗结果的评估。