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 ohne Code zur Erkennung radiologischer Merkmale, die mit einer unbefriedigenden endodontischen Behandlung verbunden sind

24. Juni 2024 aktualisiert von: Lars Bjørndal, University of Copenhagen

Implementierung einer auf künstlicher Intelligenz basierenden Korrekturanmerkungs-No-Code-Software zur Erkennung mehrerer radiologischer Merkmale, die mit einer unbefriedigenden endodontischen Behandlung verbunden sind: Eine randomisierte kontrollierte Studie

Die Entwicklung neuronaler netzwerkbasierter Modelle für die Bildanalyse kann zeitaufwändig sein und erfordert Datensatzdesign und Modelltraining. No-Code-KI-Plattformen ermöglichen es Benutzern, Objektmerkmale ohne Codierung zu kommentieren. Korrektive Annotation, ein „Human-in-the-Loop“-Ansatz, verfeinert KI-Segmentierungen iterativ. Die Zahnmedizin hat mit No-Code-KI bei der Segmentierung von Zahnrestaurationen Erfolge erzielt. Diese Studie zielt darauf ab, radiologische Merkmale im Zusammenhang mit der Qualität der Wurzelkanalbehandlung mithilfe eines „Human-in-the-Loop“-Ansatzes zu bewerten.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Das Aufkommen von künstlicher Intelligenz (KI) und insbesondere Deep Learning (DL) hat gezeigt, dass großes Potenzial für die Suche nach radiologischen Merkmalen und die Behandlungsplanung im Bereich der Kariologie und Endodontie besteht. Immer mehr Fachliteratur weist darauf hin, dass DL-Modelle Zahnärzten dabei helfen könnten, radiologische Merkmale wie kariöse Läsionen und periapikale Läsionen zu erkennen und das Risiko einer Pulpaexposition bei der Kariesexkavationstherapie vorherzusagen. Allerdings mangelt es in der aktuellen Literatur an ausreichender Forschung zur Interaktion von Teilnehmern und KI in einer KI-basierten Plattform zur Erkennung von Merkmalen, die mit der technischen Qualität endodontischer Behandlungen verbunden sind. Ziel dieser prospektiven, randomisierten, kontrollierten Studie ist es, die Leistung von Studierenden bei der Nutzung einer KI-basierten Plattform zur Erkennung von Merkmalen im Zusammenhang mit der technischen Qualität endodontischer Behandlungen und zur Vorhersage der langfristigen Prognose der Behandlung zu bewerten. Die Hypothese ist, dass die Leistung der Teilnehmer in der Gruppe mit Zugriff auf KI-Antworten der der Kontrollgruppe ohne Zugriff auf KI-Antworten ähnelt.

Studientyp

Interventionell

Einschreibung (Geschätzt)

80

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienkontakt

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

  • Erwachsene

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

1. Letztes Jahr Student der Zahnmedizin an der Universität Kopenhagen

Ausschlusskriterien:

  1. Sie verfügen bereits über Erfahrungen im Bereich KI
  2. Ich bin nicht damit einverstanden, die Einverständniserklärung zu unterzeichnen

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Doppelt

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: Teilnehmer unter Anleitung künstlicher Intelligenz
Der experimentelle Arm bezieht sich auf die Gruppe von Teilnehmern, die Zugriff auf die KI-basierte Plattform zur Erkennung von Merkmalen haben, die mit der technischen Qualität der endodontischen Behandlung verbunden sind. Diese Teilnehmer werden während der Studie die KI-Unterstützung nutzen.
Gerät: KI-Anleitung zum Auffinden radiologischer Merkmale
Für den Test wurde eine gesicherte Website eingerichtet, auf der sich jeder Student mit der zugewiesenen Nummer anmelden konnte. Alle Bilddatensätze wurden auf diese Website hochgeladen. Die Studierenden werden nach dem Zufallsprinzip der Experimentier- und Kontrollgruppe zugeteilt. Beide Studenten wurden gebeten, die mit der Qualität der Wurzelkanalbehandlung verbundenen Merkmale zu segmentieren und die Prognose der Behandlung vorherzusagen, während die Experimentalgruppe Zugang zu KI-Anleitung hatte und die Kontrollgruppe nicht.
Kein Eingriff: Querlenker ohne jegliche Führung durch künstliche Intelligenz
Der Kontrollarm besteht aus Teilnehmern, die keinen Zugriff auf die KI-basierte Plattform haben. Sie führen die gleichen Aufgaben oder Bewertungen durch wie diejenigen im experimentellen Arm, jedoch ohne die Unterstützung von KI.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Genauigkeit
Zeitfenster: durch Datenerhebung durchschnittlich 6 Monate
Die Genauigkeit gibt an, wie genau ein Ergebnis mit dem wahren Wert oder Standard übereinstimmt. Die Genauigkeit der Teilnehmer der Experiment- und Kontrollgruppe beim korrekten Auffinden der Röntgenmerkmale und der Vorhersage der Ergebnisse ist eines unserer wichtigsten Ergebnisse. Als Referenz für den Vergleich dient der Konsens von drei Experten der Zahnmedizin.
durch Datenerhebung durchschnittlich 6 Monate
Empfindlichkeit
Zeitfenster: durch Datenerhebung durchschnittlich 6 Monate
Dieses Maß quantifiziert den Anteil der wirklich positiven Ergebnisse (korrekt identifizierte Fälle) an allen positiven Fällen. Eine hohe Empfindlichkeit zeigt an, dass man den Zustand gut erkennen kann. Die Sensibilität der Teilnehmer des Experiments und der Kontrollgruppe beim korrekten Auffinden der radiografischen Merkmale und der Vorhersage der Ergebnisse ist eines unserer primären Ergebnisse. Der Vergleich erfolgt anhand des Konsensurteils von drei Zahnmedizinexperten.
durch Datenerhebung durchschnittlich 6 Monate
Spezifität
Zeitfenster: durch Datenerhebung durchschnittlich 6 Monate
Die Spezifität misst den Anteil der wirklich negativen Ergebnisse an allen negativen Fällen. Die Spezifität der Teilnehmer des Experiments und der Kontrollgruppe beim korrekten Auffinden der Röntgenmerkmale und der Vorhersage der Ergebnisse ist eines unserer Hauptergebnisse. Der Vergleich erfolgt anhand des Konsensurteils von drei Zahnmedizinexperten.
durch Datenerhebung durchschnittlich 6 Monate

Mitarbeiter und Ermittler

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

Sponsor

University of Copenhagen

Mitarbeiter

Queen Mary University of London

Ermittler

  • Hauptermittler: Lars Bjørndal, Prof., University of Copenhagen Department of Odontology Cariology and Endodontics

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 (Geschätzt)

30. Juli 2024

Primärer Abschluss (Geschätzt)

13. November 2024

Studienabschluss (Geschätzt)

13. Dezember 2024

Studienanmeldedaten

Zuerst eingereicht

25. Mai 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

7. Juni 2024

Zuerst gepostet (Tatsächlich)

10. Juni 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. Juni 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

24. Juni 2024

Zuletzt verifiziert

1. Juni 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 38LZDNHFH5JN

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

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 .

Abonnieren