El uso de la inteligencia artificial en el análisis de rayos X dentales
Comparación del análisis de rayos X dental realizado por un algoritmo de inteligencia artificial y el análisis realizado por dentistas
Descripción general del estudio
Estado
Intervención / Tratamiento
Descripción detallada
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Kielce, Polonia, 25-375
- Department of Maxillofacial Surgery
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Indicaciones de radiografía dental confirmadas por una remisión escrita del dentista o médico (se permitieron tanto pruebas de detección como pruebas realizadas con fines de tratamiento)
- Dentición permanente (después de completar la exfoliación)
Criterio de exclusión:
- Pacientes con dentición mixta (la exfoliación no ha terminado)
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Un grupo de pacientes (doble puerta)
Diseño del estudio:
|
Radiografías dentales tomadas en pacientes con indicaciones confirmadas mediante derivación escrita.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sensibilidad
Periodo de tiempo: Hasta 6 semanas
|
La sensibilidad (también conocida como recuerdo o tasa de verdaderos positivos) es la proporción de casos positivos reales que se predicen correctamente como positivos. Evalúa el rendimiento de un algoritmo de IA. Formalmente se puede calcular con la siguiente ecuación: Sensibilidad = TP / (TP+FN) Verdadero positivo (TP): resultado de una prueba que indica correctamente la presencia de una condición o característica Falso Negativo (FN): un resultado de prueba que indica erróneamente que una condición o característica particular está ausente. |
Hasta 6 semanas
|
|
Especificidad
Periodo de tiempo: Hasta 6 semanas
|
La especificidad (también conocida como tasa de verdaderos negativos): es la proporción de casos negativos reales que se predicen correctamente como negativos. Evalúa el rendimiento de un algoritmo de IA. Formalmente se puede calcular mediante la siguiente ecuación: Especificidad = TN / (TN + FP) Verdadero negativo (TN): resultado de una prueba que indica correctamente la ausencia de una condición o característica Falso positivo (FP): resultado de una prueba que indica erróneamente que está presente una condición o característica particular. |
Hasta 6 semanas
|
|
Precisión del algoritmo de IA
Periodo de tiempo: Hasta 6 semanas
|
La precisión es una métrica de evaluación que se utiliza para evaluar el rendimiento del algoritmo de aprendizaje automático para la IA. Mide qué tan preciso es el algoritmo. Usaremos el número de verdaderos positivos (TP) y falsos positivos (FP) para calcular la precisión usando la siguiente fórmula: Precisión = TP / (TP + FP) Verdadero positivo (TP): resultado de una prueba que indica correctamente la presencia de una condición o característica Falso positivo (FP): resultado de una prueba que indica erróneamente que está presente una condición o característica particular. |
Hasta 6 semanas
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Silla de estudio: Maciej Sikora, Hospital of the Ministry of Interior, Wojska Polskiego 51, 25-375 Kielce, Poland
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- CT/2023/1
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
producto fabricado y exportado desde los EE. UU.
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. .