Srovnávací přesnost modelů umělé inteligence a klinické hodnocení pro detekci zubního plaku u dětí

Název studie:

Přesnost detekce zubního plaku z intraorálních snímků pomocí různých modelů umělé inteligence versus klinické hodnocení mezi skupinou dětí: Studie diagnostické přesnosti

Přehled studie:

Tato observační diagnostická studie přesnosti je navržena tak, aby vyhodnotila výkon více modelů umělé inteligence (AI) při detekci zubního plaku z intraorálních snímků ve srovnání s tradičními klinickými hodnoceními prováděnými kvalifikovanými zubními lékaři. Primární zaměření je na dětské pacienty, protože včasná detekce a léčba zubního plaku jsou klíčové pro udržení zdraví ústní dutiny u dětí.

Pozadí a zdůvodnění:

Zubní plak je biofilm, který se tvoří na zubech a může vést k zubnímu kazu a periodontálnímu onemocnění, pokud není správně ošetřován. Tradiční metody detekce plaku spoléhají na vizuální hodnocení zubními odborníky, které může být subjektivní a může se lišit v přesnosti. Nedávné pokroky v AI a zpracování obrazu představují příležitost zlepšit detekci a kvantifikaci zubního plaku prostřednictvím intraorálních snímků, což může poskytnout objektivnější a účinnější nástroj pro hodnocení.

Cíle:

Porovnat přesnost modelů AI při detekci zubního plaku s klinickými hodnoceními.

Určení citlivosti, specifičnosti a celkového diagnostického výkonu technologií AI.

Analyzovat potenciál pro integraci modelů AI do rutinních zubních vyšetření u dětských pacientů.

Metodologie:

Účastníci: Bude vybrán vzorek dětských pacientů, který zajistí různorodé zastoupení různých demografických a zubních zdravotních stavů.

Pořizování snímků: Intraorální snímky budou pořízeny pomocí standardizovaných zobrazovacích protokolů, aby byla zajištěna konzistence. Snímky s vysokým rozlišením budou získány za kontrolovaných podmínek, aby se minimalizovala variabilita.

Modely umělé inteligence: Různé algoritmy umělé inteligence, včetně konvolučních neuronových sítí (CNN) a technik hlubokého učení, budou trénovány pomocí datové sady anotovaných intraorálních snímků. Tyto modely budou hodnoceny na základě jejich schopnosti identifikovat a kvantifikovat zubní plak.

Klinické hodnocení: Vyškolení zubní lékaři provedou klinická vyšetření pomocí standardních indexů plaku, aby posoudili přítomnost a závažnost zubního plaku ve stejné kohortě dětí.

Analýza dat: Statistické metody budou použity k porovnání diagnostické přesnosti modelů AI s klinickými hodnoceními, včetně výpočtů senzitivity, specificity, pozitivní prediktivní hodnoty a negativní prediktivní hodnoty.

Očekávané výsledky:

Cílem studie je objasnit roli umělé inteligence při zlepšování detekce zubního plaku u dětí, což může vést ke zlepšení preventivní péče a léčebných strategií. Zjištění mohou také přispět k vývoji nástrojů s podporou umělé inteligence pro zubní lékaře.

Etická hlediska:

Tato studie se bude řídit etickými pokyny a zajistí získání informovaného souhlasu od zákonných zástupců pediatrických účastníků. Před zahájením studie bude zajištěn souhlas příslušné institucionální kontrolní komise (IRB)