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

Kunstig intelligens baseret program til klassificering af mundhulefund baseret på klinisk billedanalyse

1. juni 2025 opdateret af: Noran Ayman Mohammad Ismael Abdel-Moaty, Cairo University

Anvendelsen af ​​et kunstig intelligens-baseret program til at klassificere mundhulefund baseret på klinisk billedanalyse

Denne undersøgelse har til formål at udvikle et AI-program, der kan klassificere orale fund i normal/variation af normal eller en oral sygdom ved klinisk fotoanalyse, hvilket hjælper med at sænke procentdelen af ​​falsk positive og falsk negative diagnose af orale sygdomme.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Tidlig diagnosticering af orale læsioner, især oral cancer, er afgørende for at forbedre prognosen, lette tidlig intervention og pleje med den hensigt at sænke sygdomsrelateret dødelighed.

Da konventionel oral undersøgelse (COE) er den mest anvendte metode til at identificere orale læsioner, er den gennemsnitlige tandlæges erfaring en afgørende faktor for tidlig diagnosticering.

Visuel undersøgelse mangler specificitet og sensitivitet, da den er meget subjektiv. Desværre viser undersøgelser, at flertallet af tandlæger mangler ekspertise i tidlig opdagelse af sygdommen, hvilket resulterer i falsk negativ diagnose af orale læsioner.

Det viser sig, at alment praktiserende læger enten forsinker henvisningen af ​​en formodet oral læsion til en oral medicinspecialist eller henviser adskillige falske positive tilfælde, der unødigt skubber patienterne ind i en tilstand af angst og kræftfobi. Falske positive henvisninger overbebyrder specialisterne, hvilket i sidste ende vil forårsage forsinket diagnose af ægte positive tilfælde på grund af overmætningen med falsk positive.

Det diagnostiske forskningsområde skifter mod ikke-invasive, lænestols-sidemetoder med højere nøjagtighed til tidlig påvisning af orale læsioner. Nylige tilgange til brug af maskinbaserede programmer indikerer, at denne maskinlæringsmetode kan være nyttig til påvisning og diagnosticering af oral cancer.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

241

Kontakter og lokationer

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

Studiesteder

  • Egypten
      • Cairo, Egypten, 11553
        • Faculty of dentistry, CairoU

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

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

patienter bør være over 18 år, uden nogen maksimal aldersgrænse. Normale mundhulefund, variationer af orale anatomiske pejlemærker, patienter med mundlæsioner er alle inkluderet i undersøgelsen.

Beskrivelse

Inklusionskriterier:

A) Patienter over 18 år B) Kandidater med normale mundhulefund C) Kandidater med variationer af mundhulefund D) Kandidater med forskellige mundhulelæsioner

Ekskluderingskriterier:

  • patienter under 18 år

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
normal/variationer af normale anatomiske pejlemærker
patienter, der har normale orale fund eller variationer af normale anatomiske vartegn, såsom: leukødem, fordyce granulat, linea alba, fysiologiske pigmenteringer, torus palatinus, torus mandibularis, geografisk tunge, fissureret tunge
Diagnostisk test: Program baseret på kunstig intelligens
det AI-baserede program er baseret på billedanalyse
henvisning med lav risiko
patienter, der har brug for henvisning for en lav risiko for malign transformationssygdom, såsom: hæmangiomer, fibromer, orale aptous ulcera, candidale infektioner, pemphigus valgaris, petechiae, friktionskeratose, rygers melanose.
Diagnostisk test: Program baseret på kunstig intelligens
det AI-baserede program er baseret på billedanalyse
højrisikohenvisning
patienter, der har behov for henvisning for en høj risiko for malignitet eller en præmalign sygdom, såsom: oral lichen planus, leukoplaki, erythroplakia, pladecellekarcinom.
Diagnostisk test: Program baseret på kunstig intelligens
det AI-baserede program er baseret på billedanalyse

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
risikostratificering
Tidsramme: 3 måneder til at udvikle programmet
patienten er enten normal uden risiko eller behov for henvisning, lav risiko for malign transformationssygdom, høj risiko for malign transformationssygdom.
3 måneder til at udvikle programmet

Samarbejdspartnere og efterforskere

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

Sponsor

Cairo University

Efterforskere

  • Ledende efterforsker: Noran AM AbdelMoaty, MsC, Cairo university

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. april 2024

Primær færdiggørelse (Faktiske)

1. oktober 2024

Studieafslutning (Faktiske)

1. december 2024

Datoer for studieregistrering

Først indsendt

16. marts 2024

Først indsendt, der opfyldte QC-kriterier

16. marts 2024

Først opslået (Faktiske)

22. marts 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

4. juni 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

1. juni 2025

Sidst verificeret

1. juni 2025

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • NA2024

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

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 .

Kliniske forsøg med Mundkræft

Kliniske forsøg med Program baseret på kunstig intelligens

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Czech Republic

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner