Komparativ nøjagtighed af AI-modeller og klinisk vurdering til tandplakdetektion hos børn

Undersøgelsens titel:

Nøjagtigheden af ​​dental plakdetektion fra intraorale billeder ved hjælp af forskellige kunstig intelligensmodeller versus klinisk vurdering blandt en gruppe børn: en diagnostisk nøjagtighedsundersøgelse

Undersøgelsesoversigt:

Denne observationsdiagnostiske nøjagtighedsundersøgelse er designet til at evaluere ydeevnen af ​​multiple kunstig intelligens (AI) modeller til påvisning af tandplak fra intraorale billeder sammenlignet med traditionelle kliniske vurderinger udført af kvalificerede tandlæger. Det primære fokus er på pædiatriske patienter, da tidlig påvisning og håndtering af tandplak er afgørende for at opretholde oral sundhed hos børn.

Baggrund og begrundelse:

Tandplak er en biofilm, der dannes på tænderne og kan føre til caries og paradentose, hvis den ikke håndteres korrekt. Traditionelle metoder til plakdetektion er afhængige af visuelle vurderinger fra tandlæger, som kan være subjektive og kan variere i nøjagtighed. Nylige fremskridt inden for kunstig intelligens og billedbehandling giver mulighed for at forbedre påvisning og kvantificering af tandplak gennem intraorale billeder, hvilket potentielt giver et mere objektivt og effektivt vurderingsværktøj.

Mål:

At sammenligne nøjagtigheden af ​​AI-modeller til påvisning af tandplak mod kliniske vurderinger.

At bestemme følsomheden, specificiteten og den overordnede diagnostiske ydeevne af AI-teknologierne.

At analysere potentialet for, at AI-modeller kan integreres i rutinemæssige tandundersøgelser for pædiatriske patienter.

Metode:

Deltagere: En prøve af pædiatriske patienter vil blive rekrutteret, hvilket sikrer en mangfoldig repræsentation af forskellige demografiske og tandsundhedstilstande.

Billedoptagelse: Intraorale billeder vil blive optaget ved hjælp af standardiserede billedbehandlingsprotokoller for at sikre konsistens. Billeder i høj opløsning vil blive opnået under kontrollerede forhold for at minimere variabiliteten.

AI-modeller: Forskellige AI-algoritmer, herunder konvolutionelle neurale netværk (CNN'er) og deep learning-teknikker, vil blive trænet ved hjælp af et datasæt af kommenterede intraorale billeder. Disse modeller vil blive evalueret ud fra deres evne til at identificere og kvantificere tandplak.

Klinisk vurdering: Uddannede tandlæger vil udføre kliniske undersøgelser ved hjælp af standard plaque-indekser for at vurdere tilstedeværelsen og sværhedsgraden af ​​tandplak i den samme kohorte af børn.

Dataanalyse: Statistiske metoder vil blive anvendt til at sammenligne den diagnostiske nøjagtighed af AI-modeller med kliniske vurderinger, herunder beregninger af sensitivitet, specificitet, positiv prædiktiv værdi og negativ prædiktiv værdi.

Forventede resultater:

Undersøgelsen har til formål at belyse AIs rolle i at forbedre påvisningen af ​​tandplak hos børn, hvilket potentielt kan føre til forbedret forebyggende pleje og behandlingsstrategier. Resultaterne kan også bidrage til udviklingen af ​​AI-støttede værktøjer til tandlæger.

Etiske overvejelser:

Denne undersøgelse vil overholde etiske retningslinjer og sikre informeret samtykke fra juridiske værger for pædiatriske deltagere. Godkendelse fra det relevante institutionelle bedømmelsesudvalg (IRB) vil blive sikret inden studiets påbegyndelse