Hammaslääketieteen opiskelijoiden koulutuksen vaikutus tekoälypohjaiseen alustaan
perjantai 5. tammikuuta 2024 päivittänyt: University of Copenhagen
Hammaslääketieteen opiskelijoiden koulutuksen vaikutus uuden tekoälyyn perustuvan alustan käyttämiseen pulpalle altistumisen ennustamiseen ennen syvää karieksen kaivamista: satunnaistettu kontrolloitu kokeilu
Tekoälyn (AI) ja erityisesti syvän oppimisen (DL) ilmaantuminen on osoittanut suuria mahdollisuuksia radiografisten piirteiden löytämisessä ja hoidon suunnittelussa kariologian ja endodontian alalla.
Kasvava määrä kirjallisuutta viittaa siihen, että DL-mallit voisivat auttaa hammaslääkäreitä havaitsemaan radiografisia piirteitä, kuten kariesvaurioita, periapikaalisia vaurioita, sekä ennustamaan pulpulan altistumisen riskiä karieksen kaivaushoitoa tehtäessä.
Nykykirjallisuudessa ei kuitenkaan ole riittävästi tutkimusta hammaslääkäreiden riittävän koulutuksen vaikutuksista tekoälypohjaisten alustojen käyttöön.
Tämän prospektiivisen satunnaistetun kontrolloidun kokeen tarkoituksena on arvioida opiskelijoiden suorituskykyä käytettäessä tekoälypohjaista alustaa sellun altistumisen ennustamiseen riittävän esikäsittelykoulutuksen kanssa tai ilman sitä.
Hypoteesi on, että osallistujien suoritus riittävän koulutuksen saaneessa ryhmässä on samanlainen kuin ryhmässä ilman riittävää koulutusta.
Tutkimuksen yleiskatsaus
Tila
Valmis
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
20
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
-
Copenhagen, Tanska, 2200
- University of Copenhagen Department of Odontology Cariology and Endodontics Section for Clinical Oral Microbiology
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Kuvaus
Sisällyttämiskriteerit:
- kenties Kööpenhaminan yliopiston 4. ja 5. vuoden hammaslääketieteen opiskelijat, jotka ovat halukkaita osallistumaan vapaaehtoisesti ja ovat allekirjoittaneet suostumuskirjeen.
- Rajoitettu tai ei ollenkaan aikaisempaa tietoa ja kokemusta tekoälystä
Poissulkemiskriteerit:
- Ei mitään
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Muut
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Kaksinkertainen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Opiskelijat käyttävät AI-alustaa sellun altistumisen riskin arvioimiseen harjoittelun aikana
Opiskelijat käyvät läpi tunnin mittaisen käytännön harjoittelun ennen testin suorittamista verkkoalustalla. Sessio sisältää teoreettisen istunnon, joka liittyy tekoälyn perusnäkökohtiin radiologiassa, CNN (Convolutional Neural Network) -sovelluksiin kariologiassa ja endodontiassa sekä kaivaushoidon perusteisiin ja pulpan altistukseen. Teoreettista osaa seuraa käytännönläheinen istunto, jossa osallistujat tarkastavat 11 syvää kariesta aiheuttavaa hammastapausta ja löytävät lähimmän rajan karieksen ja pulpan välillä. Sitten he pääsevät kirjautumaan verkkosivustolle, jolle ladataan esikäsittelyröntgenkuvat karieksen kaivaushoitoa saavista tapauksista. Opiskelijoiden suorituksia arvioidaan. |
Koeryhmän opiskelijat saavat tunnin mittaisen käytännön harjoittelun ennen verkkoalustalle kirjautumista.
Istunnon esittelee tekoälykokemuksen omaava hammaslääkäri, ja tämä istunto esittelee tekoälyn perusnäkökohtia radiologiassa, syväoppimisen (DL) sovelluksia kariologiassa ja endodontiassa sekä kaivaushoidon ja pulpan altistuksen perusteita.
Teoreettista osaa seuraa käytännönläheinen istunto, jossa jokainen osallistuja tarkistaa 11 syvää karieksen hammasta ja löytää lähimmän rajan karieksen ja pulpan välillä.
Heidän suoritustaan valvoo harjoituksen juontaja ja oikea linja näytetään, jos hän tekee väärän rivin.
|
|
Ei väliintuloa: Opiskelijat käyttävät tekoälyalustaa sellun altistumisen riskin arvioimiseen ilman koulutusta
Opiskelijat eivät saa koulutusta ennen kokeilun aloittamista.
Vain 5 minuutin video toistetaan oppaana verkkosivuilla oleviin kysymyksiin vastaamiseen.
Sitten he pääsevät kirjautumaan verkkosivustolle, jolle ladataan esikäsittelyröntgenkuvat karieksen kaivaushoitoa saavista tapauksista.
Opiskelijoiden suorituksia arvioidaan.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Opiskelijoiden suorituskyky sellun altistumisen ennustamisessa tekoälypohjaisella alustalla harjoittelun kanssa ja ilman koulutusta heidän tarkkuutensa perusteella
Aikaikkuna: 30 päivää
|
Molempien ryhmien opiskelijoiden tarkkuus (harjoituksen kanssa ja ilman) mitataan ja verrataan yhdessä.
Kunkin opiskelijan mittaustarkkuus lasketaan jakamalla oikeiden sellun altistumisen ennusteiden määrä kokonaisennusteilla.
|
30 päivää
|
|
Opiskelijoiden suorituskyky sellun altistumisen ennustamisessa tekoälypohjaisella alustalla harjoittelun kanssa ja ilman koulutusta heidän herkkyytensä perusteella
Aikaikkuna: 30 päivää
|
Opiskelijoiden herkkyyttä molemmissa ryhmissä (harjoittelun kanssa ja ilman) mitataan ja verrataan yhdessä.
Se perustuu todellisten sellualtistustapausten osuuteen, joka ennustettiin sellualtistukseksi (tosi positiiviseksi).
|
30 päivää
|
|
Opiskelijoiden suorituskyky sellun altistumisen ennustamisessa tekoälypohjaisella alustalla harjoittelun kanssa ja ilman koulutusta heidän spesifisyytensä perusteella
Aikaikkuna: 30 päivää
|
Molempien ryhmien (harjoittelun kanssa ja ilman) opiskelijoiden spesifisyyttä mitataan ja verrataan yhdessä.
Se perustuu todellisten "ei sellulle altistumista" -tapausten osuuteen, joka on ennustettu oikein tapauksiksi, joissa ei ole massaaltistusta (tosi negatiivinen).
|
30 päivää
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Sunnuntai 20. elokuuta 2023
Ensisijainen valmistuminen (Todellinen)
Keskiviikko 20. joulukuuta 2023
Opintojen valmistuminen (Todellinen)
Maanantai 1. tammikuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 24. toukokuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 12. kesäkuuta 2023
Ensimmäinen Lähetetty (Todellinen)
Torstai 22. kesäkuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Maanantai 8. tammikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 5. tammikuuta 2024
Viimeksi vahvistettu
Maanantai 1. tammikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muut tutkimustunnusnumerot
- 504-0342/22-5000
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .