- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT07027189
- Originalversuch
Die Auswirkungen künstlicher Intelligenz auf den Entscheidungsprozess der Zahnärzte während der Erkennung von Karies (DECIDE-AI)
Entscheidung-AI: Die Auswirkungen künstlicher Intelligenz auf den Entscheidungsprozess der Zahnärzte während der Erkennung von Karies: Eine randomisierte kontrollierte Studie
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Einschreibung (Geschätzt)
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
Gelderland
-
Nijmegen, Gelderland, Niederlande, 6525 EX
- Department of Dentistry Radboud Uniersity Medical Center
-
Kontakt:
- Dilek Sezen-Hulsmans, Dentist
- Telefonnummer: 00491708975313
- E-Mail: dilek.sezen-hulsmans@radboudumc.nl
-
Kontakt:
- Dr. Cenci
- E-Mail: Max.Cenci@radboudumc.nl
-
Hauptermittler:
- Dilek Sezen-Hulsmans, Dental Medical Doctor
-
Hauptermittler:
- Dr. Cenci
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Abschluss, praktizierende Zahnärzte.
- Mindestens drei Jahre Erfahrung
Ausschlusskriterien:
- Pensionierte Zahnärzte.
- Spezialpraktiker (z. B. Kieferorthopäden und orale Chirurgen), wenn ihre typische Praxis keine Routine -Karies -Diagnostik und Behandlungsplanung beinhaltet.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: Zufällig
- Interventionsmodell: Crossover-Aufgabe
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Aktiver Komparator: Phase 1: Karieserkennung ohne KI, Phase 2: Karieserkennung mit KI
In dieser Gruppe untersuchen die Teilnehmer Kariesläsionen auf den Röntgenaufnahmen ohne KI -Unterstützung zuerst.
Nach einem Auswaschzeit von einem Monat werden alle Teilnehmer die gleichen Röntgenaufnahmen mit KI erneut untersuchen.
|
KI-basierte diagnostische Programme haben sich als die diagnostische Leistung erwiesen, die Forschungen zu ihren Auswirkungen auf Behandlungsentscheidungen sind jedoch knapp.
Im Gegensatz zu anderen Studien, die sich auf die Genauigkeit der KI oder die daraus resultierende Zunahme der Genauigkeit der Zahnärzte konzentrieren, zielt diese Studie darauf ab, die Unterschiede in den Behandlungsempfehlungen der Zahnärzte zu untersuchen, wenn sie von KI gestützt werden, und wenn sie sich nicht während der Erkennung von Karies befinden.
|
|
Aktiver Komparator: Phase 1: Karieserkennung mit KI, Phase 2: Karieserkennung ohne KI
In dieser Gruppe untersuchen die Teilnehmer Kariesläsionen auf den Röntgenaufnahmen zuerst mit KI -Unterstützung.
Nach einem Auswaschzeit von einem Monat werden alle Teilnehmer dieselben Röntgenaufnahmen ohne KI erneut untersuchen.
|
KI-basierte diagnostische Programme haben sich als die diagnostische Leistung erwiesen, die Forschungen zu ihren Auswirkungen auf Behandlungsentscheidungen sind jedoch knapp.
Im Gegensatz zu anderen Studien, die sich auf die Genauigkeit der KI oder die daraus resultierende Zunahme der Genauigkeit der Zahnärzte konzentrieren, zielt diese Studie darauf ab, die Unterschiede in den Behandlungsempfehlungen der Zahnärzte zu untersuchen, wenn sie von KI gestützt werden, und wenn sie sich nicht während der Erkennung von Karies befinden.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Behandlungsentscheidungen: Vergleichen Sie die Behandlungsempfehlungen von Zahnärzten für Kariesläsionen mit und ohne KI -Unterstützung.
Zeitfenster: Jeder Teilnehmer wird über einen Zeitraum von bis zu 2 Monaten bewertet (umfasst sowohl Bewertungsphasen als auch Auswaschzeit).
|
Die angegebenen Optionen sind "keine Behandlung", "nicht invasive Behandlung" (Fluoridlack, Polieren, Versiegelung) und "Restaurierung". Die Antworten der Teilnehmer werden mit einem Referenzstandard verglichen. |
Jeder Teilnehmer wird über einen Zeitraum von bis zu 2 Monaten bewertet (umfasst sowohl Bewertungsphasen als auch Auswaschzeit).
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Diagnostische Genauigkeit bei der Erkennung von Karies
Zeitfenster: Jeder Teilnehmer wird über einen Zeitraum von bis zu 2 Monaten bewertet (umfasst sowohl Bewertungsphasen als auch Auswaschzeit).
|
Ra0: Keine Strahlung - keine sichtbaren Karies. RA1: Strahlung, die auf die äußere Hälfte des Schmelzkaries beschränkt ist. RA2: Radioluzität, die sich bis zur inneren Hälfte des Emails erstreckt, aber nicht dentin - mittelschwerer Zahnschmelzkaries erreicht. RA3: Radioluzität, die sich in das äußere Drittel von Dentin -Dentin -Karies erstreckt. RA4: Radioluzität, die sich in die Mitte des Dentin - fortgeschrittener Dentin -Karies erstreckt. RA5: Radioluktion, die sich in das innere Drittel von Dentin -schweren Dentin -Karies erstreckt. Die Antworten der Teilnehmer werden mit einem Referenzstandard verglichen. |
Jeder Teilnehmer wird über einen Zeitraum von bis zu 2 Monaten bewertet (umfasst sowohl Bewertungsphasen als auch Auswaschzeit).
|
Mitarbeiter und Ermittler
Mitarbeiter
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Khanagar SB, Al-Ehaideb A, Maganur PC, Vishwanathaiah S, Patil S, Baeshen HA, Sarode SC, Bhandi S. Developments, application, and performance of artificial intelligence in dentistry - A systematic review. J Dent Sci. 2021 Jan;16(1):508-522. doi: 10.1016/j.jds.2020.06.019. Epub 2020 Jun 30.
- Panyarak W, Wantanajittikul K, Suttapak W, Charuakkra A, Prapayasatok S. Feasibility of deep learning for dental caries classification in bitewing radiographs based on the ICCMS radiographic scoring system. Oral Surg Oral Med Oral Pathol Oral Radiol. 2023 Feb;135(2):272-281. doi: 10.1016/j.oooo.2022.06.012. Epub 2022 Jul 2.
- Ayan E, Bayraktar Y, Celik C, Ayhan B. Dental student application of artificial intelligence technology in detecting proximal caries lesions. J Dent Educ. 2024 Apr;88(4):490-500. doi: 10.1002/jdd.13437. Epub 2024 Jan 10.
- Mertens S, Krois J, Cantu AG, Arsiwala LT, Schwendicke F. Artificial intelligence for caries detection: Randomized trial. J Dent. 2021 Dec;115:103849. doi: 10.1016/j.jdent.2021.103849. Epub 2021 Oct 14.
- Laske M, Opdam NJM, Bronkhorst EM, Braspenning JCC, van der Sanden WJM, Huysmans MCDNJM, Bruers JJ. Minimally Invasive Intervention for Primary Caries Lesions: Are Dentists Implementing This Concept? Caries Res. 2019;53(2):204-216. doi: 10.1159/000490626. Epub 2018 Aug 14.
- Ammar N, Kuhnisch J. Diagnostic performance of artificial intelligence-aided caries detection on bitewing radiographs: a systematic review and meta-analysis. Jpn Dent Sci Rev. 2024 Dec;60:128-136. doi: 10.1016/j.jdsr.2024.02.001. Epub 2024 Feb 29.
Nützliche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- 2025-18123
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .