Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Künstliche Intelligenz entwickelt Einzelzahn-Zahnersatz

29. September 2025 aktualisiert von: Prof. Walter Y.H. Lam, The University of Hong Kong

Künstliche Intelligenz in der Prothetik – Design von Oberkiefer-Einzelzahnprothesen

Zahnverlust ist weit verbreitet und verschlechtert als Folge die Gesundheit und Lebensqualität des Patienten. Zahnprothesen zielen darauf ab, das Aussehen und die Funktionen des Patienten durch den Ersatz fehlender Zähne wiederherzustellen. Die okklusale Morphologie und 3D-Stellung der gesunden natürlichen Zähne soll vom Zahnersatz übernommen werden (Biomimetik). Obwohl Software für computerunterstütztes Design (CAD) zum Entwerfen von Zahnprothesen verfügbar ist, ist immer noch beträchtliche klinische Zeit erforderlich, um die Zahnprothesen in die Okklusion (Zahn-zu-Zahn-Beziehung) des Patienten einzupassen. Die Zähne eines einzelnen Probanden sind genetisch kontrolliert und einer weitgehend identischen Mundumgebung ausgesetzt, daher sind die okklusale Morphologie und die 3D-Position der Zähne miteinander verbunden. Es wird angenommen, dass künstliche Intelligenz (KI) die Konstruktion von Einzelzahn-Zahnersatz anhand der Merkmale des verbleibenden Gebisses automatisieren kann.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Detaillierte Beschreibung

Ziele:

  1. Vergleich von vier Deep-Learning-Methoden/Algorithmen beim Interpretieren und Lernen der Merkmale von 3D-Modellen;
  2. Vergleich des KI-Systems mit Oberkieferzahnmodell allein mit Oberkiefer- und Unterkiefer-(Antagonisten-)Modellen;
  3. Vergleich der okklusalen Morphologie und 3D-Position von Einzelzahn-Zahnersatz, der von geschulter KI und von Zahntechnikern entworfen wurde.

Methoden:

Zunächst werden die Ermittler 200 Oberkieferzahnmodelle als Trainingsmodelle sammeln. Die KI lernt die Beziehung zwischen einzelnen Zähnen und dem Rest des Gebisses mithilfe des 3D Generative Adversarial Network (GAN) durch folgende Deep-Learning-Methoden/Algorithmen:

Gruppe 1) Voxel-basiert; Gruppe 2) Ansichtsbasiert; Gruppe 3) Punktbasiert; und Gruppe 4) Fusionsverfahren. Die Ermittler werden weitere 100 Oberkiefermodelle sammeln, die als Validierungsmodelle dienen. Die Ermittler entfernen in jedem Modell einen Zahn (der als Kontrolle dient). Anschließend werden die Forscher diese Deep-Learning-Algorithmen bei der Vorhersage der okklusalen Morphologie und der 3D-Position eines einzelnen fehlenden Zahns evaluieren.

Zweitens werden die Forscher die Notwendigkeit eines Antagonistenmodells bei der Vorhersage der okklusalen Morphologie und der 3D-Position eines einzelnen fehlenden Zahns in 100 Validierungsmodellen bewerten:

Gruppe i) nur Oberkiefermodell und Gruppe ii) mit Antagonistenmodell unter Verwendung des getesteten Deep-Learning-Algorithmus in Ziel (1).

Drittens analysieren die Forscher die geometrische, morphometrische und 3D-Position von Zahnprothesen, die entworfen wurden von:

Gruppe a) das trainierte KI-System; Gruppe b) Zahntechniker an den physischen Modellen; und Gruppe c) Zahntechniker, die CAD-Software verwenden. Die Forscher werden diese Zähne in 100 Validierungsmodellen mit den entsprechenden natürlichen Zähnen (Kontrolle) vergleichen.

Darüber hinaus werden die Forscher die Zeit, die für die Zahngestaltung in diesen Gruppen benötigt wird, als sekundäres Ergebnis analysieren.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

250

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Sai Ying Pun, Hongkong
        • Prince Philip Dental Hospital

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

  • Patienten besuchten/besuchten das Prince Philip Dental Hospital
  • Studierende der Zahnmedizin an der Fakultät für Zahnmedizin der Universität Hongkong

Beschreibung

Einschlusskriterien:

  • Probanden mit ausreichend vorhandenem Gebiss für die Bestimmung der oberen Okklusionsebene
  • Probanden mit mehr als 12 okkludierenden Paaren und stabiler interkuspaler Position
  • Probanden mit Zahnrestaurationen, die ihre Morphologie nicht grob verändert haben
  • Probanden, die sich keiner kieferorthopädischen Behandlung unterzogen haben und/oder keine Zähne hatten, die um mehr als 45 Grad gedreht und/oder um mehr als 1,5 mm verschoben waren
  • Probanden kantonesischer Abstammung.

Ausschlusskriterien:

  • Personen mit Parodontitis, bei denen eine pathologische Zahnmigration und eine Veränderung der Okklusionsebene vorliegt.
  • Personen unter 18 Jahren, die keine Einwilligung erteilen können.
  • Patienten mit umfangreichen Zahnrestaurationen, die die Morphologie beeinflussen.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Fallkontrolle
  • Zeitperspektiven: Querschnitt

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Kontrolle
Original 3D-Oberkieferzahnmodell von Probanden, die Einschluss-/Ausschlusskriterien erfüllen
Prüfen

3D-Oberkieferzahnmodell von Probanden, die Einschluss-/Ausschlusskriterien erfüllen.

Der rechte erste Backenzahn (FDI-Nummer 16) wird im Computer entfernt und dann von einem System mit künstlicher Intelligenz (KI) entworfen

KI-System wird trainiert von

  1. verschiedene Algorithmen wie Gruppe 1) Voxel-basiert; Gruppe 2) Ansichtsbasiert; Gruppe 3) Punktbasiert; und Gruppe 4) Fusionsverfahren
  2. Gruppe i) nur Oberkiefermodell und Gruppe ii) mit Antagonistenmodell
Der obere rechte erste Backenzahn wird im Computer entfernt und von einem künstlichen Intelligenzsystem entworfen

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
3D-Position des Zahns
Zeitfenster: Das Ergebnis wird gemessen, wenn 25 % der Trainingsmodelle bis zu 6 Monate lang von KI untersucht wurden
Der Mittelpunkt eines Zahns wird automatisch vom Computer bestimmt
Das Ergebnis wird gemessen, wenn 25 % der Trainingsmodelle bis zu 6 Monate lang von KI untersucht wurden
3D-Position des Zahns
Zeitfenster: Das Ergebnis wird gemessen, wenn 50 % der Trainingsmodelle bis zu 12 Monate lang von KI untersucht wurden
Der Mittelpunkt eines Zahns wird automatisch vom Computer bestimmt
Das Ergebnis wird gemessen, wenn 50 % der Trainingsmodelle bis zu 12 Monate lang von KI untersucht wurden
3D-Position des Zahns
Zeitfenster: Das Ergebnis wird gemessen, wenn 75 % der Trainingsmodelle bis zu 18 Monate lang von KI untersucht wurden
Der Mittelpunkt eines Zahns wird automatisch vom Computer bestimmt
Das Ergebnis wird gemessen, wenn 75 % der Trainingsmodelle bis zu 18 Monate lang von KI untersucht wurden
3D-Position des Zahns
Zeitfenster: Das Ergebnis wird nach dem gesamten Training gemessen, wobei die KI von 100 % aller Modelle bis zu 24 Monate trainiert wurde
Der Mittelpunkt eines Zahns wird automatisch vom Computer bestimmt
Das Ergebnis wird nach dem gesamten Training gemessen, wobei die KI von 100 % aller Modelle bis zu 24 Monate trainiert wurde
Okklusale Morphologie des Zahns
Zeitfenster: Das Ergebnis wird gemessen, wenn 25 % der Trainingsmodelle bis zu 6 Monate lang von KI untersucht wurden
Die Höcker (höchster Punkt) und die Fossa (tiefster Punkt) der Okklusalfläche
Das Ergebnis wird gemessen, wenn 25 % der Trainingsmodelle bis zu 6 Monate lang von KI untersucht wurden
Okklusale Morphologie des Zahns
Zeitfenster: Das Ergebnis wird gemessen, wenn 50 % der Trainingsmodelle bis zu 12 Monate lang von KI untersucht wurden
Die Höcker (höchster Punkt) und die Fossa (tiefster Punkt) der Okklusalfläche
Das Ergebnis wird gemessen, wenn 50 % der Trainingsmodelle bis zu 12 Monate lang von KI untersucht wurden
Okklusale Morphologie des Zahns
Zeitfenster: Das Ergebnis wird gemessen, wenn 75 % der Trainingsmodelle bis zu 18 Monate lang von KI untersucht wurden
Die Höcker (höchster Punkt) und die Fossa (tiefster Punkt) der Okklusalfläche
Das Ergebnis wird gemessen, wenn 75 % der Trainingsmodelle bis zu 18 Monate lang von KI untersucht wurden
Okklusale Morphologie des Zahns
Zeitfenster: Das Ergebnis wird nach dem gesamten Training gemessen, wobei die KI von 100 % aller Modelle bis zu 24 Monate trainiert wurde
Die Höcker (höchster Punkt) und die Fossa (tiefster Punkt) der Okklusalfläche
Das Ergebnis wird nach dem gesamten Training gemessen, wobei die KI von 100 % aller Modelle bis zu 24 Monate trainiert wurde
Zeit, die für das Labordesign und die klinische Lieferung von Zahnprothesen aufgewendet wird
Zeitfenster: Das Ergebnis wird nach dem gesamten Training gemessen, wobei die KI von 100 % aller Modelle bis zu 24 Monate trainiert wurde
Zeitaufwand (in Minuten) für a) Design und b) Lieferung von Zahnersatz
Das Ergebnis wird nach dem gesamten Training gemessen, wobei die KI von 100 % aller Modelle bis zu 24 Monate trainiert wurde

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Ermittler

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

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. September 2021

Primärer Abschluss (Tatsächlich)

1. September 2024

Studienabschluss (Tatsächlich)

30. Mai 2025

Studienanmeldedaten

Zuerst eingereicht

9. September 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. September 2021

Zuerst gepostet (Tatsächlich)

27. September 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Geschätzt)

3. Oktober 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

29. September 2025

Zuletzt verifiziert

1. September 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Es gibt noch keinen IPD-Sharing-Plan

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur Zahnprothese

Abonnieren