WISSENSCHAFTLICHE EVIDENZ | LESEZEIT: 1 MINUTE
Veröffentlicht: März 2026
Künstliche Intelligenz und Arbeitslängenbestimmung: Was wurde untersucht?
Eine systematische Übersichtsarbeit bewertete die Leistungsfähigkeit von Modellen der künstlichen Intelligenz zur Bestimmung der endodontischen Arbeitslänge und zur Erkennung apikaler anatomischer Bezugspunkte.
Die Analyse umfasste 6 Studien mit Verfahren des maschinellen Lernens oder neuronalen Netzen, die radiografische oder impedanzbasierte Daten verwendeten. Die Autoren bewerteten die methodische Qualität mit QUADAS-2 und die Evidenzsicherheit mit GRADE.
Welche Ergebnisse wurden festgestellt?
3 zentrale Ergebnisse
- Berichtete Leistungswerte: Sensitivität von 85–100 %, Spezifität von 50–100 % und Genauigkeit von 70–95 % in den verschiedenen Studien.
- Unzureichende Validierung: Die meisten Untersuchungen beruhten auf retrospektiven oder experimentellen Daten und ausschließlich interner Validierung. Eine prospektive externe Validierung im klinischen Alltag wurde nicht berichtet.
- Geringe Evidenzsicherheit: Unterschiede bei Algorithmen, Zielgrößen und Referenzstandards erschwerten aussagekräftige Vergleiche.
Was bedeutet das für die klinische Praxis?
Künstliche Intelligenz in der Endodontie zeigt vorläufiges Potenzial als unterstützendes Instrument bei der Arbeitslängenbestimmung.
Nach Schlussfolgerung der Autoren sind diese Anwendungen derzeit jedoch experimentell und ergänzend. Sie sind nicht ausreichend klinisch validiert, um etablierte Verfahren zu ersetzen. Erforderlich sind prospektive multizentrische Studien mit standardisierten Bewertungskriterien.
Originaltitel:
Performance of artificial intelligence models designed as adjuncts for determining working length and apical landmark assessment in endodontic procedures: a systematic review.
Autoren: Sanjeev B. Khanagar und Kollegen.
Quelle: Originalstudie lesen