Effekten af at træne tandlægestuderende til en AI-baseret platform
5. januar 2024 opdateret af: University of Copenhagen
Virkningen af at træne tandlægestuderende til at bruge en ny kunstig intelligens-baseret platform til forudsigelse af pulpaeksponering før dyb cariesudgravning: et randomiseret kontrolleret forsøg
Fremkomsten af kunstig intelligens (AI) og specifikt deep learning (DL) har vist store potentialer i at finde radiografiske træk og behandlingsplanlægning inden for kariologi og endodonti.
En voksende mængde litteratur tyder på, at DL-modeller kan hjælpe tandlæger med at påvise radiografiske træk, såsom karieslæsioner, periapikale læsioner, samt forudsige risikoen for pulpaeksponering, når de udfører cariesudgravningsterapi.
Selvom den nuværende litteratur mangler tilstrækkelig forskning om effekten af tilstrækkelig træning af tandlæger til at bruge AI-baserede platforme.
Dette prospektive randomiserede kontrollerede forsøg har til formål at vurdere elevernes præstationer, når de bruger en AI-baseret platform til forudsigelse af pulpeksponering med og uden tilstrækkelig forudgående træning.
Hypotesen er, at deltagernes præstation i en gruppe med tilstrækkelig træning svarer til gruppen uden tilstrækkelig træning.
Studieoversigt
Status
Afsluttet
Betingelser
Undersøgelsestype
Interventionel
Tilmelding (Faktiske)
20
Fase
- Ikke anvendelig
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
-
Copenhagen, Danmark, 2200
- University of Copenhagen Department of Odontology Cariology and Endodontics Section for Clinical Oral Microbiology
-
-
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
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ja
Beskrivelse
Inklusionskriterier:
- måske 4. og 5. års tandlægestuderende på Københavns Universitet, der er villige til at deltage frivilligt og har underskrevet samtykkebrevet.
- Begrænset eller ingen tidligere viden og erfaring om AI
Ekskluderingskriterier:
- Ingen
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Andet
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Dobbelt
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: Studerende, der bruger AI-platform til at vurdere risikoen for pulpeksponering, modtager en træningssession
Studerende vil gennemgå en en times praktisk træningssession, før de tager testen på onlineplatformen. Sessionen inkluderer en teoretisk session relateret til grundlæggende aspekter af AI i radiologi, CNN (Convolutional Neural Network) applikationer til kariologi og endodonti, samt grundlæggende om udgravningsterapi og pulpaeksponering. den teoretiske del vil blive efterfulgt af en hands on session, hvor deltagerne tjekker 11 tilfælde af tænder med dyb caries og finder den nærmeste linje mellem caries og pulpa. Derefter får de adgang til at logge ind på hjemmesiden, hvor der uploades forbehandlingsrøntgenbilleder af tilfælde, der gennemgår cariesgravningsterapi. Elevernes præstationer på vil blive vurderet. |
Eleverne på forsøgsgruppen vil modtage en times praktisk træning, før de logger ind på online platformen.
Sessionen vil blive præsenteret af en tandlæge med AI-erfaring, og denne session vil præsentere grundlæggende aspekter af AI i radiologi, deep learning (DL) applikationer til kariologi og endodonti, samt grundlæggende om udgravningsterapi og pulpaeksponering.
den teoretiske del vil blive efterfulgt af en hands on session, hvor hver deltager vil tjekke 11 tilfælde af tænder med dyb caries og vil finde den nærmeste linje mellem caries og pulpa.
deres præstationer vil blive overvåget af træningssessionens oplægsholder, og den korrekte linje vil blive vist dem i tilfælde af at de laver forkert linje.
|
|
Ingen indgriben: Studerende, der bruger AI-platform til at vurdere risikoen for pulpeksponering uden nogen træningssession
Eleverne vil ikke modtage nogen træning, før de starter eksperimentet.
Der vil kun blive afspillet en 5-minutters video som guide til besvarelse af spørgsmålene på hjemmesiden.
Derefter får de adgang til at logge ind på hjemmesiden, hvor der uploades forbehandlingsrøntgenbilleder af tilfælde, der gennemgår cariesgravningsterapi.
Elevernes præstationer på vil blive vurderet.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Elevernes præstationer ved forudsigelse af pulpeksponering i den AI-baserede platform med og uden træningssession baseret på deres nøjagtighed
Tidsramme: 30 dage
|
Nøjagtigheden af elever i begge grupper (med og uden træningssession) vil blive målt og sammenlignet sammen.
Nøjagtighedsmålingen for hver elev vil blive beregnet ved antallet af korrekte forudsigelser af forekomst af pulpeksponering divideret med de samlede forudsigelser.
|
30 dage
|
|
Elevernes præstationer ved forudsigelse af pulpeksponering i den AI-baserede platform med og uden træningssession baseret på deres følsomhed
Tidsramme: 30 dage
|
Følsomheden af elever i begge grupper (med og uden træningssession) vil blive målt og sammenlignet sammen.
Det vil være baseret på andelen af faktiske pulpaeksponeringstilfælde, der blev forudsagt som pulpaeksponering (sand positiv).
|
30 dage
|
|
Elevernes præstationer ved forudsigelse af pulpeksponering i den AI-baserede platform med og uden træningssession baseret på deres specificitet
Tidsramme: 30 dage
|
Specificiteten af elever i begge grupper (med og uden træningssession) vil blive målt og sammenlignet sammen.
Den vil være baseret på andelen af faktiske tilfælde af "ingen pulpeksponering" korrekt forudsagt som tilfælde uden pulpeksponering (sand negativ).
|
30 dage
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
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)
20. august 2023
Primær færdiggørelse (Faktiske)
20. december 2023
Studieafslutning (Faktiske)
1. januar 2024
Datoer for studieregistrering
Først indsendt
24. maj 2023
Først indsendt, der opfyldte QC-kriterier
12. juni 2023
Først opslået (Faktiske)
22. juni 2023
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Anslået)
8. januar 2024
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
5. januar 2024
Sidst verificeret
1. januar 2024
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
- 504-0342/22-5000
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
INGEN
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 .