Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Prótesis dentales de un solo diente diseñadas con inteligencia artificial

29 de septiembre de 2025 actualizado por: Prof. Walter Y.H. Lam, The University of Hong Kong

Inteligencia Artificial en Prostodoncia - Diseño de Prótesis Dentales Maxilares Unidentales

La pérdida de dientes es común y como consecuencia deteriora la salud y la calidad de vida del paciente. Las prótesis dentales tienen como objetivo restaurar la apariencia y las funciones de los pacientes mediante el reemplazo de los dientes perdidos. Las prótesis dentales (biomiméticas) deben adoptar la morfología oclusal y la posición 3D de los dientes naturales sanos. A pesar de que el software de diseño asistido por computadora (CAD) está disponible para diseñar prótesis dentales, todavía se requiere un tiempo clínico considerable para adaptar las prótesis dentales a la oclusión de los pacientes (relación de diente a diente). Los dientes de un sujeto individual están genéticamente controlados y expuestos a un entorno oral mayoritariamente idéntico, por lo tanto, la morfología oclusal y la posición 3D de los dientes están interrelacionadas. Se plantea la hipótesis de que la inteligencia artificial (IA) puede automatizar el diseño de prótesis dentales de un solo diente a partir de las características de la dentición restante.

Descripción general del estudio

Estado

Terminado

Condiciones

Intervención / Tratamiento

Descripción detallada

Objetivos:

  1. Comparar cuatro métodos/algoritmos de aprendizaje profundo en la interpretación y el aprendizaje de las características de los modelos 3D;
  2. Comparar el sistema de IA con modelo de diente maxilar solo con modelos maxilares y mandibulares (antagonistas);
  3. Comparar la morfología oclusal y la posición 3D de las prótesis dentales de un solo diente diseñadas por IA entrenada y por técnicos dentales.

Métodos:

Primero, los investigadores recolectarán 200 modelos de dientes dentados maxilares como modelos de entrenamiento. La IA aprenderá la relación entre los dientes individuales y el resto de la dentición utilizando la Red Adversaria Generativa (GAN) 3D siguiendo métodos/algoritmos de aprendizaje profundo:

Grupo 1) Basado en Voxel; Grupo 2) Basado en vistas; Grupo 3) Basado en puntos; y Grupo 4) Métodos de fusión. Los investigadores recolectarán otros 100 modelos maxilares que sirvan como modelos de validación. Los investigadores extraerán un diente (actuará como control) en cada modelo. Luego, los investigadores evaluarán estos algoritmos de aprendizaje profundo para predecir la morfología oclusal y la posición 3D de un solo diente faltante.

En segundo lugar, los investigadores evaluarán la necesidad del modelo antagonista para predecir la morfología oclusal y la posición 3D de un solo diente faltante en 100 modelos de validación:

Grupo i) solo modelo maxilar y Grupo ii) con modelo antagonista utilizando el algoritmo de aprendizaje profundo probado en el objetivo (1).

En tercer lugar, los investigadores analizarán la posición geométrica, morfométrica y 3D de las prótesis dentales diseñadas por:

Grupo a) el sistema de IA entrenado; Grupo b) técnicos dentales sobre los modelos físicos; y Grupo c) técnicos dentales que utilicen software CAD. Los investigadores compararán estos dientes con los dientes naturales correspondientes (control) en 100 modelos de validación.

Además, los investigadores analizarán el tiempo requerido para el diseño del diente en estos grupos como resultado secundario.

Tipo de estudio

De observación

Inscripción (Actual)

250

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

  • Nombre: Walter Lam, BDS, MDS
  • Número de teléfono: +852-2859-0306
  • Correo electrónico: retlaw@hku.hk

Ubicaciones de estudio

      • Sai Ying Pun, Hong Kong
        • Prince Philip Dental Hospital

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

18 años y mayores (Adulto, Adulto Mayor)

Acepta Voluntarios Saludables

Sí

Método de muestreo

Muestra no probabilística

Población de estudio

  • Pacientes atendidos/que asisten al Hospital Dental Prince Philip
  • Estudiantes de pregrado de odontología de la Facultad de Odontología de la Universidad de Hong Kong

Descripción

Criterios de inclusión:

  • Sujetos con suficiente dentición presente para la determinación del plano oclusal superior
  • Sujetos con más de 12 pares oclusivos y posición intercuspídea estable
  • Sujetos con restauraciones dentales que no alteraron groseramente su morfología
  • Sujetos que no se sometieron a un tratamiento de ortodoncia y/o no tenían dientes que rotaran más de 45 grados y/o se desplazaran más de 1,5 mm
  • Sujetos que son de ascendencia cantonesa.

Criterio de exclusión:

  • Sujetos con enfermedad periodontal en la que existe migración dentaria patológica y alteración del plano oclusal.
  • Sujetos que son menores de 18 años y no pueden dar su consentimiento.
  • Sujetos con restauraciones dentales extensas que afecten la morfología.

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

  • Modelos observacionales: Control de caso
  • Perspectivas temporales: Transversal

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
Control
Modelo original de dientes maxilares en 3D de sujetos que cumplen los criterios de inclusión/exclusión
Prueba

Modelo 3D de dientes maxilares de sujetos que cumplen los criterios de inclusión/exclusión.

El primer molar derecho (FDI número 16) se extraerá en la computadora y luego se diseñará mediante un sistema de inteligencia artificial (IA).

El sistema de IA será entrenado por

  1. diferentes algoritmos como el Grupo 1) basado en Voxel; Grupo 2) Basado en vistas; Grupo 3) Basado en puntos; y Grupo 4) Métodos de fusión
  2. Grupo i) solo modelo maxilar y Grupo ii) con modelo antagonista
Primer molar maxilar derecho será removido en la computadora y será diseñado por sistema de inteligencia artificial

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Posición 3D del diente
Periodo de tiempo: El resultado se medirá cuando el 25 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 6 meses
El centro de un diente determinado automáticamente por computadora
El resultado se medirá cuando el 25 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 6 meses
Posición 3D del diente
Periodo de tiempo: El resultado se medirá cuando el 50 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 12 meses
El centro de un diente determinado automáticamente por computadora
El resultado se medirá cuando el 50 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 12 meses
Posición 3D del diente
Periodo de tiempo: El resultado se medirá cuando el 75 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 18 meses
El centro de un diente determinado automáticamente por computadora
El resultado se medirá cuando el 75 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 18 meses
Posición 3D del diente
Periodo de tiempo: El resultado se medirá después de todo el entrenamiento, en el que se entrenó a la IA del 100 % de todos los modelos, hasta 24 meses
El centro de un diente determinado automáticamente por computadora
El resultado se medirá después de todo el entrenamiento, en el que se entrenó a la IA del 100 % de todos los modelos, hasta 24 meses
Morfología oclusal del diente.
Periodo de tiempo: El resultado se medirá cuando el 25 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 6 meses
Las cúspides (punto más alto) y la fosa (punto más bajo) de la superficie oclusal
El resultado se medirá cuando el 25 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 6 meses
Morfología oclusal del diente.
Periodo de tiempo: El resultado se medirá cuando el 50 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 12 meses
Las cúspides (punto más alto) y la fosa (punto más bajo) de la superficie oclusal
El resultado se medirá cuando el 50 % de los modelos de entrenamiento hayan sido estudiados por IA, hasta 12 meses
Morfología oclusal del diente.
Periodo de tiempo: El resultado se medirá cuando el 75% de los modelos de entrenamiento hayan sido estudiados por IA, hasta 18 meses
Las cúspides (punto más alto) y la fosa (punto más bajo) de la superficie oclusal
El resultado se medirá cuando el 75% de los modelos de entrenamiento hayan sido estudiados por IA, hasta 18 meses
Morfología oclusal del diente.
Periodo de tiempo: El resultado se medirá después de todo el entrenamiento, en el que se entrenó a la IA del 100 % de todos los modelos, hasta 24 meses
Las cúspides (punto más alto) y la fosa (punto más bajo) de la superficie oclusal
El resultado se medirá después de todo el entrenamiento, en el que se entrenó a la IA del 100 % de todos los modelos, hasta 24 meses
Tiempo dedicado al diseño de laboratorio y a la entrega clínica de prótesis dentales
Periodo de tiempo: El resultado se medirá después de todo el entrenamiento, en el que se entrenó a la IA del 100 % de todos los modelos, hasta 24 meses
Tiempo (en minutos) dedicado a a) diseño y b) entrega de prótesis dentales
El resultado se medirá después de todo el entrenamiento, en el que se entrenó a la IA del 100 % de todos los modelos, hasta 24 meses

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Colaboradores

Investigadores

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

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

1 de septiembre de 2021

Finalización primaria (Actual)

1 de septiembre de 2024

Finalización del estudio (Actual)

30 de mayo de 2025

Fechas de registro del estudio

Enviado por primera vez

9 de septiembre de 2021

Primero enviado que cumplió con los criterios de control de calidad

22 de septiembre de 2021

Publicado por primera vez (Actual)

27 de septiembre de 2021

Actualizaciones de registros de estudio

Última actualización publicada (Estimado)

3 de octubre de 2025

Última actualización enviada que cumplió con los criterios de control de calidad

29 de septiembre de 2025

Última verificación

1 de septiembre de 2025

Más información

Términos relacionados con este estudio

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • UW 20-848

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Descripción del plan IPD

Todavía no hay un plan para compartir IPD

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

producto fabricado y exportado desde los EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .