Evaluación de la precisión y la estética después de la reconstrucción automatizada de defectos mandibulares utilizando AI
Evaluación de la precisión y la estética después de la reconstrucción automatizada de defectos mandibulares utilizando inteligencia artificial: estudio de una serie de casos
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
El proceso quirúrgico digital a menudo requiere un modelo de referencia mandibular esperado. Actualmente, el proceso de cirugía digital común es reflejar la reparación o buscar manualmente otras mandíbulas similares para la fusión de datos locales y el procesamiento de suavizado. Un modelo de referencia esperado más preciso es difícil de lograr, lento y difícil de promover en la práctica clínica. Además, el procesamiento de enrutamiento rápido a menudo tiene poca precisión. Para lesiones bilaterales acumulativas, lesiones masivas, desplazamiento obvio o lesiones cruzan la línea media, todavía no existe un método efectivo para predecir el modelo de referencia esperado en la práctica clínica.
El objetivo principal para realizar este estudio es proponer un algoritmo mejorado para superar los inconvenientes de los estudios recientes que utilizan el UNT 3D y probar la previsibilidad y el valor clínico de los modelos 3D de mandíbula 3D prácticamente generados en pacientes reales.
Tipo de estudio
Inscripción (Estimado)
Fase
- No aplica
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Sarah Moustafa. Moustafa, MSc.
- Número de teléfono: 56794540
- Correo electrónico: sarah.elayoutti@dentistry.cu.edu.eg
Copia de seguridad de contactos de estudio
- Nombre: Sarah Moustafa. Moustafa, PHD
- Número de teléfono: 01006133135
- Correo electrónico: waleed.elbeialy@dentistry.cu.edu.eg
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
Acepta Voluntarios Saludables
Descripción
Criterios de inclusión:
- Los pacientes con tumores mandibulares, quistes o cualquier enfermedad benigna que dan como resultado un defecto de continuidad mandibular.
- Grupo de edad: de 18 a 55 años.
- No hay predilección sexual.
- CTS o CBCT de solo mandíbulas sanas de una base de datos en línea y datos reales.
Criterios de exclusión:
- Pacientes con lesiones malignas mandibulares.
- Grupo de edad para niños de 2 a 17.
- CTS de maxilar.
- Los pacientes de edad avanzada serán excluidos debido al cambio de óseo fisiológico normal.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Tratamiento
- Asignación: N / A
- Modelo Intervencionista: Asignación de un solo grupo
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Experimental: Placas de reconstrucción específicas del paciente
Los pacientes con lesiones benignas indicaron la resección y dieron como resultado defectos de continuidad mandibular tratados con placas de reconstrucción específicas del paciente.
|
Uso de placas de reconstrucción específicas del paciente en el defecto 3-D prácticamente generado con inteligencia artificial.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Precisión del modelo 3D prácticamente generado usando AI
Periodo de tiempo: base
|
El dispositivo de medición es el modelo de IA que utiliza el porcentaje como unidad
|
base
|
|
Precisión del modelo generado por IA clínicamente
Periodo de tiempo: base
|
El dispositivo de medición es mediante la superposición de un modelo virtual 3-D generado como el CT real Post Operative utilizando software (licuadora). (Índice de similitud estructural) (SSIM) |
base
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Resultado eetético
Periodo de tiempo: base
|
El dispositivo de medición es la apariencia facial utilizando una puntuación de 4 puntos
|
base
|
|
Oclusión
Periodo de tiempo: base
|
El dispositivo de medición es el análisis de oclusión digital utilizando T-scan y la unidad es porcentaje
|
base
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Sarah Moustafa, MSc., Cairo University
Publicaciones y enlaces útiles
Publicaciones Generales
- Liang Y, Huan J, Li JD, Jiang C, Fang C, Liu Y. Use of artificial intelligence to recover mandibular morphology after disease. Sci Rep. 2020 Oct 2;10(1):16431. doi: 10.1038/s41598-020-73394-5.
- van Baar GJC, Forouzanfar T, Liberton NPTJ, Winters HAH, Leusink FKJ. Accuracy of computer-assisted surgery in mandibular reconstruction: A systematic review. Oral Oncol. 2018 Sep;84:52-60. doi: 10.1016/j.oraloncology.2018.07.004. Epub 2018 Jul 20.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Estimado)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
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
- AI in Mandibular Defects
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.
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. .