
Triagem de Maloclusão Esquelética Baseada em Fotografias com Aprendizagem de Máquina Geométrica: Validação Externa em Coortes Turcas e Não-Europeias
PreprintMedicina e TecnologiaPré-publicação. Ainda não revisada por pares; não deve orientar conduta.
O que aconteceu
Um classificador de triagem baseado em fotografia para má oclusão esquelética mapeia 100 vetores de características geométricas projetadas, derivados de uma fotografia de smartphone perfil lateral, para rótulos de classe ortodôntica, possibilitando triagem não invasiva sem imagem radiográfica. Este estudo relata validação externa em duas coortes independentes que não contribuíram com nenhum caso para o treinamento. Foram avaliadas duas tarefas binárias; Classe III contra não classe III e Classe I contra classe II; cada uma com seu próprio conjunto de desenvolvimento e modelo, aplicadas sem modificação no limiar padrão. Uma coorte externa era turca, extraída de uma instituição não representada no conjunto de desenvolvimento; a outra era uma coorte não européia de uma clínica ortodôntica privada belga. A sensibilidade, especificidade e a área sob a curva característica de operação do receptor (AUC) foram pré-especificadas como medidas de desfecho primário, uma vez que nenhuma depende da prevalência do desfecho. Na tarefa de Classe III, a sensibilidade foi semelhante entre os três conjuntos de avaliação (0,801, 0,836, 0,848; todos ajustados p>0,7), enquanto a especificidade caiu de 0,766 na coorte externa turca para 0,697 na coorte não europeia. A AUC foi de 0,902 e 0,835 respectivamente (diferença 0, 066; p=0,029). Na tarefa Classe I e Classe II os valores correspondentes foram 0,875 e 0,723 (diferença 0,152; p<0,001). Uma análise de subgrupos mostrou menor sensibilidade em crianças do que em adultos em ambas as coortes (0,71 a 0,80 versus 0,89 a 0,90). A AUC foi menor na coorte não europeia para os três modelos em ambas as tarefas. As diferenças de desempenho observadas são consistentes com um efeito de generalização específico da população em vez de falha específica do modelo e suportam validação externa obrigatória em populações-alvo antes da implantação clínica.
Tradução automática do resumo original, publicado em medRxiv sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Photograph-Based Skeletal Malocclusion Screening with Geometric Machine Learning: External Validation Across Turkish and Non-European Cohorts
Asli Eker Davut, Mehmet Cihan Sakman, Ahmet Yagci, Berrak Çakmak, Emmanuel Jr. Dumu, Yunus Emre Uçaker, Cenk Ahmet Akcan, Ozgur Kilic, Tuğba Önal-Süzek, Banu Kılıç