写真上の口腔粘膜病変の分類と検出のための人工知能：系統的レビューとメタ解析

Artificial intelligence for classification and detection of oral mucosa lesions on photographs: a systematic review and meta-analysis.

抄録

目的:

本研究は、写真上の口腔粘膜病変の分類、検出、セグメンテーションに人工知能（AI）を用いた研究をレビューし、統合することを目的とした。

OBJECTIVE: This study aimed to review and synthesize studies using artificial intelligence (AI) for classifying, detecting, or segmenting oral mucosal lesions on photographs.

材料と方法:

包含基準は、(1)ヒト被験者の口腔写真を用いて、(2)口腔粘膜病変を分類、検出、または分割するためにAIを用いた研究、(3)ヒト被験者の口腔写真を用いて、口腔粘膜病変を分類、検出、または分割するためにAIを用いた研究とした。組み入れられた研究は、Quality Assessment of Diagnostic Accuracy Studies（QUADAS-2）を用いてバイアスのリスクを評価した。PubMed、Scopus、Embase、Web of Science、IEEE、arXiv、medRxiv、および灰色文献（Google Scholar）の検索を2023年6月まで、言語制限なく実施した。

MATERIALS AND METHOD: Inclusion criteria were (1) studies employing AI to (2) classify, detect, or segment oral mucosa lesions, (3) on oral photographs of human subjects. Included studies were assessed for risk of bias using Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2). A PubMed, Scopus, Embase, Web of Science, IEEE, arXiv, medRxiv, and grey literature (Google Scholar) search was conducted until June 2023, without language limitation.

結果:

最初の検索後、36件の適格な研究（8734件の同定された記録から）が含まれた。QUADAS-2に基づくと、全領域においてバイアスリスクが低い研究はわずか7％であった。研究では異なるAIモデルが採用され、幅広いアウトカムと指標が報告された。AIによる口腔粘膜病変の検出精度は74～100％であったが、AIを用いない臨床医の検出精度は61～98％であった。悪性の可能性のある病変の診断または識別についてAIを評価した研究のプールの診断オッズ比は155（95％信頼区間23-1019）であったのに対し、癌性病変のそれは114（59-221）であった。

RESULTS: After initial searching, 36 eligible studies (from 8734 identified records) were included. Based on QUADAS-2, only 7% of studies were at low risk of bias for all domains. Studies employed different AI models and reported a wide range of outcomes and metrics. The accuracy of AI for detecting oral mucosal lesions ranged from 74 to 100%, while that for clinicians un-aided by AI ranged from 61 to 98%. Pooled diagnostic odds ratio for studies which evaluated AI for diagnosing or discriminating potentially malignant lesions was 155 (95% confidence interval 23-1019), while that for cancerous lesions was 114 (59-221).

結論:

AIは口腔粘膜病変のスクリーニングに役立つ可能性があるが、期待される精度の向上やさらなる健康上の利点は今のところ不明である。

CONCLUSIONS: AI may assist in oral mucosa lesion screening while the expected accuracy gains or further health benefits remain unclear so far.

臨床的関連性:

人工知能は口腔粘膜病変のスクリーニングを支援し、例えば専門家でない医療従事者の手により的を絞った検査や紹介を促進する可能性がある。今のところ、専門的なものに比べて精度が向上するかどうかは不明である。

CLINICAL RELEVANCE: Artificial intelligence assists oral mucosa lesion screening and may foster more targeted testing and referral in the hands of non-specialist providers, for example. So far, it remains unclear if accuracy gains compared with specialized can be realized.