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

Der Einsatz künstlicher Intelligenz in der zahnärztlichen Röntgenanalyse

Vergleich der zahnärztlichen Röntgenanalyse durch einen Algorithmus der künstlichen Intelligenz und der Analyse durch Zahnärzte

Ziel dieser Querschnittsstudie ist es, eine bevölkerungsbasierte Bewertung der Inzidenz von Karies, Zahnfüllungen, Wurzelkanalfüllungen, endodontischen Läsionen, Implantaten, Implantat- und Zahnaufbaukronen, Brückenkronen und fehlenden Zähnen unter Berücksichtigung der Lokalisation durchzuführen.

Studienübersicht

Detaillierte Beschreibung

Diese Querschnittsstudie zielt darauf ab, eine bevölkerungsbasierte Bewertung der Inzidenz von Karies, Zahnfüllungen, Wurzelkanalfüllungen, endodontischen Läsionen, Implantaten, Implantat- und Zahnaufbaukronen, Brückenkronen und fehlenden Zähnen unter Berücksichtigung der Lokalisation durchzuführen. Patienten mit Indikationen für eine zahnärztliche Röntgenaufnahme, die durch eine schriftliche Überweisung bestätigt wurden und über ein bleibendes Gebiss verfügen, werden an der Studie teilnehmen. Anschließend werden die Röntgenbilder von den Zahnärzten und der KI-basierten Software analysiert, nachdem die Daten anonymisiert wurden. Die Ergebnisse werden verglichen, um die Empfindlichkeit, Spezifität und Präzision des KI-Algorithmus zu bestimmen.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

1025

Kontakte und Standorte

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

Studienorte

      • Kielce, Polen, 25-375
        • Department of Maxillofacial Surgery

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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Die in die Studie einbezogenen Patienten wurden in die radiologische Abteilung in Kielce, einer Stadt im Süden Polens mit rund 200.000 Einwohnern, aufgenommen.

Beschreibung

Einschlusskriterien:

  • Indikationen für ein zahnärztliches Röntgen, bestätigt durch eine schriftliche Überweisung des Zahnarztes oder Arztes (sowohl Screening-Tests als auch zu Behandlungszwecken durchgeführte Tests waren zulässig)
  • Bleibendes Gebiss (nach Abschluss des Peelings)

Ausschlusskriterien:

  • Patienten mit Wechselgebiss (Peeling noch nicht abgeschlossen)

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Eine Patientengruppe (Doppeltor)

Studiendesign:

  • Richtung der Datenerhebung: Retrospektive
  • Anzahl der Tore (Sätze von Zulassungskriterien): Doppeltor (KI, Mensch)
  • Stichprobenmethode der Teilnehmer: Konsekutiv
  • Methode zur Zuteilung der Teilnehmer zu den Indextests: Jeder Teilnehmer erhielt alle Indextests
  • Anzahl der Referenzstandards: Einzelner Teststandard
  • Eingeschränkte Verifizierung: Vollständige Verifizierung (nicht eingeschränkt)
Zahnröntgenaufnahmen bei Patienten mit durch eine schriftliche Überweisung bestätigten Indikationen.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit
Zeitfenster: Bis zu 6 Wochen

Die Sensitivität (auch bekannt als Recall oder True-Positive-Rate) ist der Anteil tatsächlich positiver Fälle, die korrekt als positiv vorhergesagt wurden. Es bewertet die Leistung eines KI-Algorithmus. Formal kann es mit der folgenden Gleichung berechnet werden:

Empfindlichkeit = TP / (TP+FN)

Echt positiv (TP) – ein Testergebnis, das korrekt auf das Vorliegen einer Erkrankung oder eines Merkmals hinweist

Falsch negativ (FN) – ein Testergebnis, das fälschlicherweise darauf hinweist, dass ein bestimmter Zustand oder ein bestimmtes Merkmal fehlt

Bis zu 6 Wochen
Spezifität
Zeitfenster: Bis zu 6 Wochen

Spezifität (auch als echte Negativrate bekannt) – ist der Anteil tatsächlich negativer Fälle, die korrekt als negativ vorhergesagt werden. Es bewertet die Leistung eines KI-Algorithmus. Formal kann es mit der folgenden Gleichung berechnet werden:

Spezifität = TN / (TN + FP)

Richtig negativ (TN) – ein Testergebnis, das korrekt das Fehlen einer Bedingung oder eines Merkmals anzeigt

Falsch positiv (FP) – ein Testergebnis, das fälschlicherweise darauf hinweist, dass ein bestimmter Zustand oder ein bestimmtes Merkmal vorliegt

Bis zu 6 Wochen
Präzision des KI-Algorithmus
Zeitfenster: Bis zu 6 Wochen

Präzision ist eine Bewertungsmetrik, mit der die Leistung von Algorithmen für maschinelles Lernen für KI bewertet wird. Es misst, wie genau der Algorithmus ist. Wir verwenden die Anzahl der echten Positiven (TP) und falschen Positiven (FP), um die Präzision anhand der folgenden Formel zu berechnen:

Präzision = TP / (TP + FP)

Echt positiv (TP) – ein Testergebnis, das korrekt auf das Vorliegen einer Erkrankung oder eines Merkmals hinweist

Falsch positiv (FP) – ein Testergebnis, das fälschlicherweise darauf hinweist, dass ein bestimmter Zustand oder ein bestimmtes Merkmal vorliegt

Bis zu 6 Wochen

Mitarbeiter und Ermittler

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

Ermittler

  • Studienstuhl: Maciej Sikora, Hospital of the Ministry of Interior, Wojska Polskiego 51, 25-375 Kielce, Poland

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. Januar 2024

Primärer Abschluss (Tatsächlich)

1. Mai 2024

Studienabschluss (Tatsächlich)

1. November 2024

Studienanmeldedaten

Zuerst eingereicht

25. Januar 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

12. Februar 2024

Zuerst gepostet (Tatsächlich)

14. Februar 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

1. April 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

27. März 2025

Zuletzt verifiziert

1. März 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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 Karies

Klinische Studien zur Eine Zahnröntgenaufnahme machen

Abonnieren