Artificial intelligence for skeletal classification in orthodontics: A systematic review and meta-analysis of lateral cephalometric studies.

内容摘要

To synthesize the available evidence on the diagnostic performance of artificial intelligence for sagittal skeletal classification using lateral cephalometric radiographs and to identify methodological limitations affecting clinical translation. PubMed, Embase, Scopus, and Web of Science were searched up to July 13, 2025, following PRISMA guidelines. Eligible studies used artificial intelligence to classify skeletal Class I, II, and III relationships from lateral cephalograms and reported diagnostic performance metrics. Non-image-based models, landmarking-only studies, commercial software evaluations, and non-original reports were excluded. Risk of bias was assessed using QUADAS-2. Exploratory random-effects meta-analyses using restricted maximum likelihood were performed, with subgroup analyses by skeletal class. Because of the small number of eligible studies, heterogeneity, and multiple model-level results from shared data sets, pooled estimates were interpreted cautiously. Ninety-one records were screened, 12 underwent full-text review, four met the inclusion criteria, and three were included in quantitative synthesis, comprising an effective test sample of 2,743 across nine model arms. One study was excluded from pooling because it used combined posteroanterior and lateral inputs with best-fold reporting, limiting comparability. The pooled multiclass performance showed sensitivity of 87.0%, specificity of 91.1%, accuracy of 85.3%, and area under the receiver operating characteristic curve of 0.94. DenseNet-based models generally showed the strongest performance, whereas the Swin-T transformer model showed the weakest performance. QUADAS-2 indicated low to moderate risk of bias, with major concerns related to single-center sampling and lack of external validation. Artificial intelligence shows promising diagnostic performance for sagittal skeletal classification from lateral cephalograms. However, the current evidence remains limited, heterogeneous, and mainly single center. Therefore, pooled estimates should be considered exploratory rather than definitive indicators of clinical performance. تجميع الأدلة المتعلقة بالأداء التشخيصي للذكاء الاصطناعي في التصنيف الهيكلي السهمي باستخدام الصور الشعاعية السيفالومترية الجانبية للرأس، وتحديد الفجوات المنهجية التي قد تؤثر في تطبيقه سريريًا. وفقًا لإرشادات PRISMA، جرى البحث في قواعد بيانات PubMed وEmbase وScopus وWeb of Science حتى 13 يوليو 2025. شملت الدراسات المؤهلة تلك التي طبّقت الذكاء الاصطناعي على الصور السيفالومترية الجانبية لتصنيف العلاقات الهيكلية إلى الصنف الأول والثاني والثالث، مع الإبلاغ عن مؤشرات الأداء التشخيصي. واستُبعدت النماذج غير المعتمدة على الصور، والدراسات التي اقتصرت على تحديد النقاط المرجعية، وتقييمات البرمجيات التجارية، والتقارير غير الأصلية. جرى تقييم خطر التحيز باستخدام أداة QUADAS-2. كما أُجريت تحليلات تلوية استكشافية باستخدام نموذج التأثيرات العشوائية بطريقة الاحتمالية العظمى المقيدة REML، مع إجراء تحليلات فرعية حسب الصنف الهيكلي. ونظرًا لمحدودية عدد الدراسات المشمولة، ووجود تباين ملحوظ بينها، وتعدد النتائج على مستوى النماذج المستندة إلى مجموعات بيانات مشتركة، فُسرت التقديرات المجمعة بحذر. جرى فحص 91 سجلًا، وخضع 12 منها للمراجعة بالنص الكامل، واستوفت أربع دراسات معايير الاشتمال، بينما أُدرجت ثلاث دراسات في التحليل الكمي المجمع، بإجمالي حجم عينة اختبار فعّال بلغ 2743، وتسعة أذرع للنماذج. واستُبعدت دراسة واحدة من التحليل المجمع بسبب عدم قابليتها للمقارنة، إذ استخدمت مدخلات مشتركة من الصور الخلفية الأمامية والجانبية، واعتمدت على الإبلاغ عن أفضل تقسيم تدريبي. بلغ الأداء المجمع للتصنيف متعدد الفئات: حساسية قدرها 87.0% بفاصل ثقة 95%: 85.6–88.4، ونوعية قدرها 91.1% بفاصل ثقة 95%: 87.3–94.9، ودقة كلية قدرها 85.3% بفاصل ثقة 95%: 79.9–90.7، ومساحة تحت منحنى ROC قدرها 0.94 بفاصل ثقة 95%: 0.90–0.98. وقد أظهرت نماذج DenseNet أداءً أفضل عمومًا، في حين سجّل نموذج المحوّلات Swin-T الأداء الأضعف. وأشار تقييم QUADAS-2 إلى وجود خطر تحيز منخفض إلى متوسط، مع ملاحظات تتعلق بالاعتماد على عينات من مركز واحد وغياب التحقق الخارجي. يُظهر الذكاء الاصطناعي أداءً تشخيصيًا واعدًا في التصنيف الهيكلي السهمي اعتمادًا على الصور السيفالومترية الجانبية للرأس، إلا أن قاعدة الأدلة ما تزال محدودة على مستوى الدراسات، ومتباينة، وتعتمد غالبًا على دراسات أحادية المركز. لذلك، ينبغي تفسير التقديرات المجمعة بوصفها تقديرات استكشافية، وليست تقديرات نهائية للأداء السريري.