抜歯矯正治療計画における人工知能の精度：系統的レビューとメタ分析

Accuracy of artificial intelligence in orthodontic extraction treatment planning: a systematic review and meta analysis.

抄録

背景:

本研究は、矯正治療計画中の抜歯予測における人工知能（AI）モデルの診断精度を評価することを目的とした。

BACKGROUND: This study aimed to evaluate the diagnostic accuracy of artificial intelligence (AI) models in predicting dental extractions during orthodontic treatment planning.

方法:

PRISMAガイドラインに従ってシステマティックレビューとメタ解析を行い、PROSPEROに登録した（CRD42024582455）。2025年6月2日までにPubMed、Scopus、Web Of Science、Google Scholarで包括的検索を行った。臨床基準に対してAIベースのモデルを評価する適格な横断研究を対象とした。モデルの性能に関するデータを抽出し、ランダム効果モデルを用いてプールした。異質性を検討するために、サブグループ分析およびメタ回帰分析を実施した。

METHOD: A systematic review and meta-analysis were conducted following PRISMA guidelines and registered in PROSPERO (CRD42024582455). Comprehensive searches were performed across PubMed, Scopus, Web Of Science, and Google Scholar up to June 2, 2025. Eligible cross-sectional studies assessing AI-based models against clinical standards were included. Data on model performance were extracted and pooled using a random-effects model. Subgroup and meta-regression analyses were conducted to explore heterogeneity.

結果:

6ヵ国7件の横断研究が対象となり、合計サンプル数は6,261例であった。AIモデルのプールされた感度と特異度はそれぞれ70％（95％CI：61-78）および90％（95％CI：87-92）であったが、異質性は高かった（I² = 96.7％および93.7％）。畳み込みニューラルネットワーク（CNN）ベースのモデル（ResNetとVGG）は、異質性がなく、最も高い診断性能を示した。メタ回帰では、有病率が感度に有意に影響することが示された（p=0.050）。ファネルプロットは非対称性を示し、出版バイアスの可能性を示唆した。

RESULTS: Seven cross-sectional studies from six countries with a combined sample of 6,261 patients were included. Pooled sensitivity and specificity of AI models were 70% (95% CI: 61-78) and 90% (95% CI: 87-92), respectively, though heterogeneity was high (I² = 96.7% and 93.7%). Convolutional neural networks (CNN)-based models (ResNet and VGG) demonstrated the highest diagnostic performance with no heterogeneity. Meta-regression showed that disease prevalence significantly influenced sensitivity (p = 0.050). Funnel plots revealed asymmetry, suggesting possible publication bias.

結論:

AIモデル、特にCNNベースのモデルは、矯正抜歯の必要性の予測において有望な精度を示した。したがって、抜歯矯正の予測モデルを作成して精度を高めるために使用することができる。異質性が高いため、臨床への導入を支援するためには、さらなる大規模研究が必要である。

CONCLUSION: AI models, particularly CNN-based models, show promising accuracy in predicting the need for orthodontic extractions. Therefore, they can be used to create predictive models for orthodontic extractions to increase accuracy. Due to the high heterogeneity, further large-scale studies are needed to support clinical implementation.