El uso de la inteligencia artificial en el análisis de rayos X dentales

Diseño del estudio:

• Dirección de recopilación de datos: retrospectiva.
• Número de puertas (conjuntos de criterios de elegibilidad): puerta doble (IA, humana)
• Método de muestreo de participantes: Consecutivo
• Método de asignación de participantes a las pruebas índice: cada participante recibió todas las pruebas índice
• Número de estándares de referencia: Estándar de prueba único
• Verificación limitada: Verificación completa (no limitada)

La sensibilidad (también conocida como recuerdo o tasa de verdaderos positivos) es la proporción de casos positivos reales que se predicen correctamente como positivos. Evalúa el rendimiento de un algoritmo de IA. Formalmente se puede calcular con la siguiente ecuación:

Sensibilidad = TP / (TP+FN)

Verdadero positivo (TP): resultado de una prueba que indica correctamente la presencia de una condición o característica

Falso Negativo (FN): un resultado de prueba que indica erróneamente que una condición o característica particular está ausente.

La especificidad (también conocida como tasa de verdaderos negativos): es la proporción de casos negativos reales que se predicen correctamente como negativos. Evalúa el rendimiento de un algoritmo de IA. Formalmente se puede calcular mediante la siguiente ecuación:

Especificidad = TN / (TN + FP)

Verdadero negativo (TN): resultado de una prueba que indica correctamente la ausencia de una condición o característica

Falso positivo (FP): resultado de una prueba que indica erróneamente que está presente una condición o característica particular.

La precisión es una métrica de evaluación que se utiliza para evaluar el rendimiento del algoritmo de aprendizaje automático para la IA. Mide qué tan preciso es el algoritmo. Usaremos el número de verdaderos positivos (TP) y falsos positivos (FP) para calcular la precisión usando la siguiente fórmula:

Precisión = TP / (TP + FP)

Verdadero positivo (TP): resultado de una prueba que indica correctamente la presencia de una condición o característica

Falso positivo (FP): resultado de una prueba que indica erróneamente que está presente una condición o característica particular.