Diagnostic Performance of Ai vs Junior Dentists
7 de noviembre de 2026 actualizado por: Susan Hattar, University of Jordan
Comparison of Artificial Intelligence vs. Junior Dentists Diagnostic Performance for Radiographic Caries & Periapical Lesion Detection
OBJECTIVES
- Compare diagnosis of Periapical lesions & Proximal caries by AI and junior dentists
- Evaluate Validity of a deep learning based convolutional neural network (CNN) for detecting proximal caries lesions, periapical lesions compared to junior dentists.
Descripción general del estudio
Estado
Aún no reclutando
Condiciones
Descripción detallada
Statement of problem Current evidence supports the use of AI as a valuable diagnostic platform adjunct for detecting periapical lesions. However, well-designed, high-quality randomized clinical trials are required to assess the potential implementation of AI in the routine practice of periapical lesion diagnosis. In addition, most studies were done on OPG and CBCT not on periapical radiographs. Evidence suggests that AI-assisted systems are effective in detecting large, distinct periapical lesions. However, their performance drops in more complex cases, such as with root-filled teeth and in small periodical lesions The performance of AI in caries detection remains moderate, and its periapical status assessment is insufficient due to high false-positive rates
Research Questions
- Does Trained AI outperform junior dentists in basic diagnostic tasks, specifically in detecting tooth caries and periapical lesions through radiographic interpretation?
- Does AI increase the accuracy of lesion detection?
- Is AI more accurate than junior dentists in detecting carious lesions or periapical lesions?
- Is there a difference between diagnosis of Caries vs Periapical lesions through AI tools compared to junior dentists?
Tipo de estudio
De observación
Inscripción (Estimado)
120
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: Susan Hattar, PhD
- Número de teléfono: +962795642613
- Correo electrónico: s.hattar@ju.edu.jo
Ubicaciones de estudio
-
-
-
Amman, Jordán, 11181
- The university of Jordan
-
-
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
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra de probabilidad
Población de estudio
Patients over 18 years of age that were clear and displayed the full anatomical crown and root apex.
Descripción
Inclusion Criteria:
- Bitewings obtained from patients treated at Jordan University Hospital. Only bitewings of permanent maxillary and mandibular teeth, with the crowns of both dental arch being detectable. Coronal part of the tooth had to be in toto visible on the radiograph and that no structure is projected on the examined tooth, teeth with overlap free projection selected
- Periapical Radiographs: patients over 18 years of age that were clear and displayed the full anatomical crown and root apex.
Exclusion Criteria:
- Radiographs of deciduous teeth or mixed dentition, those with severe noise or haziness, radiographs of partially edentulous areas, teeth exhibiting abnormal crown or root anatomy, and any radiographs that were difficult to assess.
- Overlapping images, radiographs with distortions, noise and shadows, and low quality radiographs
- Radiographs excluded if at least 2-3 examiners did not agree.
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: COHORT
- Perspectivas temporales: CROSS_SECTIONAL
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
(ROCAUC)
Periodo de tiempo: 12 months
|
Receiver-Operating-Characteristics curve |
12 months
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Diagnostic test parameters
Periodo de tiempo: 12 months
|
Sensitivity, Specificity, PPV, NPV |
12 months
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Director de estudio: Susan Hattar, PhD, University of Jordan
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.
Publicaciones Generales
- 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.
- Schwendicke F, Tzschoppe M, Paris S. Radiographic caries detection: A systematic review and meta-analysis. J Dent. 2015 Aug;43(8):924-33. doi: 10.1016/j.jdent.2015.02.009. Epub 2015 Feb 24.
- Cantu AG, Gehrung S, Krois J, Chaurasia A, Rossi JG, Gaudin R, Elhennawy K, Schwendicke F. Detecting caries lesions of different radiographic extension on bitewings using deep learning. J Dent. 2020 Sep;100:103425. doi: 10.1016/j.jdent.2020.103425. Epub 2020 Jul 4.
- Putra RH, Doi C, Yoda N, Astuti ER, Sasaki K. Current applications and development of artificial intelligence for digital dental radiography. Dentomaxillofac Radiol. 2022 Jan 1;51(1):20210197. doi: 10.1259/dmfr.20210197. Epub 2021 Jul 8.
- Kuhnisch J, Meyer O, Hesenius M, Hickel R, Gruhn V. Caries Detection on Intraoral Images Using Artificial Intelligence. J Dent Res. 2022 Feb;101(2):158-165. doi: 10.1177/00220345211032524. Epub 2021 Aug 20.
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 (Estimado)
1 de noviembre de 2026
Finalización primaria (Estimado)
1 de julio de 2027
Finalización del estudio (Estimado)
1 de octubre de 2027
Fechas de registro del estudio
Enviado por primera vez
24 de octubre de 2026
Primero enviado que cumplió con los criterios de control de calidad
24 de octubre de 2026
Publicado por primera vez (Actual)
30 de octubre de 2026
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
12 de noviembre de 2026
Última actualización enviada que cumplió con los criterios de control de calidad
7 de noviembre de 2026
Última verificación
1 de noviembre de 2026
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- ToothVision
- IRB (Otro identificador: IRB Jordan University Hospital)
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
INDECISO
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
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. .