Development of an Artificial Intelligence-Based Clinical Image Model for Detection, Classification, and Management Recommendations of Anterior Gingival Recession
Přehled studie
Postavení
Podmínky
Detailní popis
This study is designed to develop and validate an artificial intelligence (AI)-based clinical image analysis model for the detection, classification, and management recommendation of anterior gingival recession. Gingival recession is a common periodontal condition characterized by apical displacement of the gingival margin, which may lead to aesthetic concerns, dentinal hypersensitivity, and increased risk of root caries.
Clinical intraoral images of patients presenting with anterior gingival recession will be collected following standardized imaging protocols. The dataset will be used to train, validate, and test a machine learning model capable of identifying the presence of gingival recession and classifying its severity and/or type according to established periodontal classification systems.
The AI model will also be designed to generate preliminary management recommendations based on the detected class, supporting clinical decision-making. Model performance will be evaluated using standard metrics such as accuracy, sensitivity, specificity, precision, recall, and area under the receiver operating characteristic curve (AUC-ROC).
The study is observational in nature with a diagnostic and model-development component. All patient data will be anonymized to ensure confidentiality, and ethical approval will be obtained prior to data collection. The final output is intended to support clinicians in improving diagnostic consistency and treatment planning efficiency for anterior gingival recession.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
-
Cairo, Egypt
- Faculty of Dental Medicine for Girls, Al-Azhar University
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Inclusion Criteria:
- Patients aged 18 years or older
- Presence of at least one anterior tooth exhibiting gingival recession classified according to the Cairo classification system (RT1, RT2, or RT3). - The gingival margin must be clearly visible.
- High-quality images (good focus, lighting, and resolution) are required.
- Clinically visible and intact cementoenamel junction (CEJ).
Exclusion Criteria:
- Presence of cervical restorations or fixed prostheses that interfere with CEJ identification.
- Patients undergoing active orthodontic treatment.
- Pregnant individuals, due to hormonal changes affecting gingival tissues.
- Images with poor photographic quality.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Gingival Recession Patients
This group consists of patients presenting with anterior gingival recession.
Clinical intraoral images will be collected from eligible participants and used for the development and validation of an artificial intelligence-based classification model.
The dataset includes cases with varying degrees and types of gingival recession according to established clinical classification criteria.
No therapeutic intervention will be performed as part of the study, and all images will be analyzed for diagnostic and classification purposes only.
|
An artificial intelligence-based clinical image model will be developed and evaluated using standardized clinical photographs of anterior teeth presenting with gingival recession.
The model will be trained to detect the presence of gingival recession, classify lesions according to the Cairo classification system (RT1, RT2, and RT3), and generate preliminary management recommendations based on the identified classification.
The system's performance will be assessed by comparing its diagnostic and classification outputs with expert clinical assessments.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Sensitivity and specificity of the AI system in detecting gingival recession, compared to clinical probing measurements.
Časové okno: Through study completion, an average of 6 months
|
-Primary Outcome 1 Outcome Measure: Sensitivity and specificity of the AI system for detecting gingival recession compared with clinical probing measurements. Primary Outcome 2 Outcome Measure: Agreement between the AI system and expert clinicians in classifying gingival recession according to the Cairo classification, assessed using Cohen's kappa coefficient. |
Through study completion, an average of 6 months
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
- Error in automated CEJ identification, compared to manual annotations.
Časové okno: Immediately after AI analysis of the clinical images
|
|
Immediately after AI analysis of the clinical images
|
Spolupracovníci a vyšetřovatelé
Sponzor
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Aktuální)
Dokončení studie (Aktuální)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- OMPDR-108-1r
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
produkt vyrobený a vyvážený z USA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .
Klinické studie na Gingivální recese
-
University of L'AquilaNáborParadentóza | Kapesní, parodontální | Kapsa, gingivalItálie
-
Badr UniversityCairo UniversityDokončenoModifikace tkáně po injekci Vit CEgypt