Detección de Caries Proximales en Radiografías de Mordida Utilizando Inteligencia Artificial
4 de febrero de 2026 actualizado por: Rawda Hesham Abd ElAziz, Cairo University
Detección de Caries Proximales en Radiografías de Aleta de Mordida mediante Inteligencia Artificial - Un Estudio Clínico de Diagnóstico
Utilizando una secuencia de radiografías interproximales (bitewing), la inteligencia artificial ayuda a identificar caries interproximales.
Para la identificación de caries dentales en radiografías interproximales (bitewing), periapicales y panorámicas, se creará una red de aprendizaje profundo entrenada. Este estudio tiene como objetivo investigar la fiabilidad de un nuevo modelo de Inteligencia Artificial basado en aprendizaje profundo en la detección de Caries Proximales utilizando Radiografías Interproximales Digitales.
(BW).
Descripción general del estudio
Estado
Terminado
Condiciones
Tipo de estudio
De observación
Inscripción (Actual)
2000
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.
Ubicaciones de estudio
-
-
-
Cairo, Egipto, 11331
- Ain Shams University
-
-
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
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Sí
Método de muestreo
Muestra no probabilística
Población de estudio
Pacientes que acuden a la clínica dental de pacientes externos de la Facultad que requieren un examen radiográfico de aleta de mordida para diagnóstico de rutina o planificación del tratamiento.
Descripción
Criterios de inclusión:
- Pacientes con todos los premolares y molares permanentes (máximo un diente ausente en cada lado)
Criterios de exclusión:
- 1-Anomalías dentales → Amelogénesis imperfecta, Dentinogénesis imperfecta, taurodontismo 2-Apiñamiento severo que impida la visualización de los contactos dentales 3-Alambres de ortodoncia adheridos al esmalte del diente
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
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Grupo 1 Inteligencia Artificial Aprendizaje profundo aplicado en el diagnóstico de caries proximales
|
Se utilizó inteligencia artificial como herramienta de diagnóstico de aprendizaje profundo para detectar caries proximales en radiografías digitales de aleta mordida.
El sistema analizó las imágenes y generó puntuaciones de probabilidad y marcadores visuales para las lesiones sospechosas.
Su rendimiento se comparó con los diagnósticos de examinadores expertos como estándar de referencia.
Los resultados de la IA se utilizaron únicamente para evaluación y no influyeron en las decisiones de tratamiento de los pacientes.
|
|
Grupo 2: Bitewing digital anotado manualmente por expertos humanos
|
Las radiografías digitales de aleta de mordida fueron anotadas manualmente por expertos humanos calibrados para identificar la presencia y ubicación de caries proximales.
Las anotaciones se realizaron utilizando criterios diagnósticos estandarizados y software de imágenes dedicado para marcar las lesiones sospechosas.
Estas marcas de expertos sirvieron como estándar de referencia para comparar con los resultados de la inteligencia artificial.
Se evaluó el acuerdo entre examinadores y las discrepancias se resolvieron por consenso.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Periodo de tiempo |
|---|---|
|
Fiabilidad del modelo de inteligencia artificial en la detección de caries proximales en radiografías digitales de aleta mordida
Periodo de tiempo: evaluación transversal en la línea de base, sin período de seguimiento
|
evaluación transversal en la línea de base, sin período de seguimiento
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Colaboradores
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)
15 de enero de 2023
Finalización primaria (Actual)
15 de septiembre de 2025
Finalización del estudio (Actual)
1 de diciembre de 2025
Fechas de registro del estudio
Enviado por primera vez
4 de febrero de 2026
Primero enviado que cumplió con los criterios de control de calidad
4 de febrero de 2026
Publicado por primera vez (Actual)
11 de febrero de 2026
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
11 de febrero de 2026
Última actualización enviada que cumplió con los criterios de control de calidad
4 de febrero de 2026
Última verificación
1 de febrero de 2026
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- CONS_ Rad 1180
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de 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. .