Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Kunstig intelligens designet enkelttands tandproteser

29. september 2025 opdateret af: Prof. Walter Y.H. Lam, The University of Hong Kong

Kunstig intelligens i protetik - Design af maxillære enkelttands-tandproteser

Tandtab er almindeligt og forringer derfor patientens helbred og livskvalitet. Tandproteser har til formål at genoprette patienternes udseende og funktioner ved at erstatte manglende tænder. Den okklusale morfologi og 3D-position af de sunde naturlige tænder bør overtages af tandproteserne (biomimetisk). På trods af computerassisteret design (CAD) software er tilgængelig til at designe tandproteser, kræves der stadig betydelig klinisk tid til at tilpasse tandproteserne ind i patienternes okklusion (tænder-til-tænder forhold). Tænder hos et individ er genetisk kontrolleret og udsat for stort set identiske orale omgivelser, derfor er den okklusale morfologi og 3D-position af tænder indbyrdes forbundne. Det er en hypotese, at kunstig intelligens (AI) kan automatisere design af enkelttands tandproteser ud fra funktionerne i den resterende tand.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Mål:

  1. At sammenligne fire deep-learning metoder/algoritmer i fortolkning og indlæring af funktionerne i 3D-modeller;
  2. At sammenligne AI-systemet med maksillære tandmodeller alene med maksillære og mandibulære (antagonist) modeller;
  3. At sammenligne den okklusale morfologi og 3D-positionen af ​​enkelttands tandproteser designet af uddannet AI og af tandteknikere.

Metoder:

For det første vil efterforskerne indsamle 200 maksillære dentate-tændermodeller som træningsmodeller. AI vil lære forholdet mellem individuelle tænder og resten af ​​tandsættet ved hjælp af 3D Generative Adversarial Network (GAN) ved at følge deep-learning metoder/algoritmer:

Gruppe 1) Voxel-baseret; Gruppe 2) Visningsbaseret; Gruppe 3) Punktbaseret; og gruppe 4) Fusionsmetoder. Efterforskere vil indsamle yderligere 100 overkæbemodeller, der fungerer som valideringsmodeller. Efterforskere vil fjerne en tand (fungere som kontrol) i hver model. Derefter vil efterforskere evaluere disse dybe læringsalgoritmer til at forudsige den okklusale morfologi og 3D-positionen af ​​en enkelt manglende tand.

For det andet vil efterforskere evaluere behovet for en antagonistmodel til at forudsige den okklusale morfologi og 3D-positionen af ​​en enkelt manglende tand i 100 valideringsmodeller:

Gruppe i) kun overkæbemodel og gruppe ii) med antagonistmodel ved hjælp af den testede dyb-læringsalgoritme i objektiv (1).

For det tredje vil efterforskere analysere den geometriske morfometriske og 3D-position af tandproteser designet af:

Gruppe a) det trænede AI-system; Gruppe b) tandteknikere på de fysiske modeller; og gruppe c) tandteknikere, der anvender CAD-software. Efterforskere vil sammenligne disse tænder med de tilsvarende naturlige tænder (kontrol) i 100 valideringsmodeller.

Endvidere vil efterforskere analysere den tid, der kræves til tanddesign i disse grupper som sekundært resultat.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

250

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Hong Kong
      • Sai Ying Pun, Hong Kong
        • Prince Philip Dental Hospital

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

  • Patienter besøgte/deltog på Prince Philip Tandhospital
  • Tandlægestuderende fra det odontologiske fakultet, University of Hong Kong

Beskrivelse

Inklusionskriterier:

  • Personer med tilstrækkelig tandsætning til stede til bestemmelse af det øvre okklusale plan
  • Personer med mere end 12 okkluderende par og stabil intercuspal position
  • Forsøgspersoner med tandrestaureringer, der ikke groft ændrede dens morfologi
  • Forsøgspersoner, der ikke har gennemgået tandregulering og/eller ikke havde tænder, der roterede mere end 45 grader og/eller forskudte mere end 1,5 mm
  • Emner, der er af kantonesisk afstamning.

Ekskluderingskriterier:

  • Personer med periodontal sygdom, hvor der er patologisk tandvandring og ændring af okklusalplanet.
  • Forsøgspersoner, der er under 18 år og ikke kan give samtykke.
  • Emner med omfattende tandrestaureringer, der påvirker morfologien.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Observationsmodeller: Case-Control
  • Tidsperspektiver: Tværsnit

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Styring
Original 3D maksillærtændermodel fra forsøgspersoner, der opfylder inklusions-/eksklusionskriterier
Prøve

3D maksillærtændermodel fra forsøgspersoner, der opfylder inklusions-/eksklusionskriterier.

Den højre første kindtand (FDI nummer 16) vil blive fjernet i computeren og derefter designet af kunstig intelligens (AI) system

AI-systemet vil blive trænet af

  1. forskellige algoritmer såsom gruppe 1) Voxel-baseret; Gruppe 2) Visningsbaseret; Gruppe 3) Punktbaseret; og gruppe 4) Fusionsmetoder
  2. Kun gruppe i) overkæbemodel og gruppe ii) med antagonistmodel
Andet: kunstig intelligens (AI) computerassisteret design (CAD)
Maxillær højre første kindtand vil blive fjernet i computeren og vil blive designet af et kunstigt intelligenssystem

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
3D-position af tand
Tidsramme: Resultatet vil blive målt, når 25 % af træningsmodellerne blev undersøgt af AI, op til 6 måneder
Midten af ​​en tand bestemmes automatisk af computeren
Resultatet vil blive målt, når 25 % af træningsmodellerne blev undersøgt af AI, op til 6 måneder
3D-position af tand
Tidsramme: Resultatet vil blive målt, når 50 % af træningsmodellerne blev undersøgt af AI, op til 12 måneder
Midten af ​​en tand bestemmes automatisk af computeren
Resultatet vil blive målt, når 50 % af træningsmodellerne blev undersøgt af AI, op til 12 måneder
3D-position af tand
Tidsramme: Resultatet vil blive målt, når 75 % af træningsmodellerne blev undersøgt af AI, op til 18 måneder
Midten af ​​en tand bestemmes automatisk af computeren
Resultatet vil blive målt, når 75 % af træningsmodellerne blev undersøgt af AI, op til 18 måneder
3D-position af tand
Tidsramme: Resultatet vil blive målt efter hele træningen, som AI blev trænet af 100% af alle modeller, op til 24 måneder
Midten af ​​en tand bestemmes automatisk af computeren
Resultatet vil blive målt efter hele træningen, som AI blev trænet af 100% af alle modeller, op til 24 måneder
Okklusal morfologi af tand
Tidsramme: Resultatet vil blive målt, når 25 % af træningsmodellerne blev undersøgt af AI, op til 6 måneder
Spidsen (højeste punkt) og fossa (laveste punkt) af den okklusale overflade
Resultatet vil blive målt, når 25 % af træningsmodellerne blev undersøgt af AI, op til 6 måneder
Okklusal morfologi af tand
Tidsramme: Resultatet vil blive målt, når 50 % af træningsmodellerne blev undersøgt af AI, op til 12 måneder
Spidsen (højeste punkt) og fossa (laveste punkt) af den okklusale overflade
Resultatet vil blive målt, når 50 % af træningsmodellerne blev undersøgt af AI, op til 12 måneder
Okklusal morfologi af tand
Tidsramme: Resultatet vil blive målt, når 75 % af træningsmodellerne blev undersøgt af AI, op til 18 måneder
Spidsen (højeste punkt) og fossa (laveste punkt) af den okklusale overflade
Resultatet vil blive målt, når 75 % af træningsmodellerne blev undersøgt af AI, op til 18 måneder
Okklusal morfologi af tand
Tidsramme: Resultatet vil blive målt efter hele træningen, som AI blev trænet af 100% af alle modeller, op til 24 måneder
Spidsen (højeste punkt) og fossa (laveste punkt) af den okklusale overflade
Resultatet vil blive målt efter hele træningen, som AI blev trænet af 100% af alle modeller, op til 24 måneder
Tid brugt i laboratoriedesign og i klinisk levering af proteser
Tidsramme: Resultatet vil blive målt efter hele træningen, som AI blev trænet af 100% af alle modeller, op til 24 måneder
Tid (i minutter) brugt på a) design og b) levering af tandproteser
Resultatet vil blive målt efter hele træningen, som AI blev trænet af 100% af alle modeller, op til 24 måneder

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

The University of Hong Kong

Samarbejdspartnere

University Grants Committee, Hong Kong

Efterforskere

  • Ledende efterforsker: Walter Lam, BDS, MDS, The University of Hong Kong

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

1. september 2021

Primær færdiggørelse (Faktiske)

1. september 2024

Studieafslutning (Faktiske)

30. maj 2025

Datoer for studieregistrering

Først indsendt

9. september 2021

Først indsendt, der opfyldte QC-kriterier

22. september 2021

Først opslået (Faktiske)

27. september 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

3. oktober 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

29. september 2025

Sidst verificeret

1. september 2025

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • UW 20-848

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Der er endnu ingen IPD-delingsplan

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Tandprotese

Kliniske forsøg med kunstig intelligens (AI) computerassisteret design (CAD)

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Hong Kong

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner