Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Tekoälymallien ja kliinisen arvioinnin vertaileva tarkkuus hammasplakin havaitsemiseksi lapsilla

perjantai 3. tammikuuta 2025 päivittänyt: Naema Ahmed

Hammasplakin havaitsemisen tarkkuus suunsisäisistä kuvista käyttämällä erilaisia ​​tekoälyn malleja verrattuna kliiniseen arviointiin lasten joukossa: Diagnostinen tarkkuustutkimus.

Tämän diagnostisen tarkkuustutkimuksen tavoitteena on arvioida erilaisten tekoälymallien tehokkuutta plakin havaitsemisessa intraoraalisista kuvista verrattuna hammaslääkäreiden kliinisiin arviointeihin lasten keskuudessa. Tutkimuksella pyritään määrittämään tekoälytekniikoiden tarkkuus, herkkyys, spesifisyys ja yleinen suorituskyky hammasplakin tunnistamisessa. tutkimustutkimus Suunnittelu: Havaintotutkimus

Tutkimuksen yleiskatsaus

Tila

Ei vielä rekrytointia

Ehdot

Yksityiskohtainen kuvaus

Tutkimuksen nimi:

Hammasplakin havaitsemisen tarkkuus suunsisäisistä kuvista käyttämällä erilaisia ​​tekoälyn malleja verrattuna kliiniseen arviointiin lasten ryhmässä: Diagnostinen tarkkuustutkimus

Tutkimuksen yleiskatsaus:

Tämä havainnollinen diagnostinen tarkkuustutkimus on suunniteltu arvioimaan useiden tekoälymallien suorituskykyä hammasplakin havaitsemisessa intraoraalisista kuvista verrattuna pätevien hammaslääkärien tekemiin perinteisiin kliinisiin arviointeihin. Pääpaino on lapsipotilailla, sillä plakin varhainen havaitseminen ja hoito ovat ratkaisevan tärkeitä lasten suun terveyden ylläpitämisessä.

Tausta ja perustelut:

Hammasplakki on biokalvo, joka muodostuu hampaille ja voi johtaa kariekseen ja parodontaaliin, jos sitä ei hoideta kunnolla. Perinteiset plakin havaitsemismenetelmät perustuvat hammaslääketieteen ammattilaisten visuaalisiin arviointeihin, jotka voivat olla subjektiivisia ja joiden tarkkuus voi vaihdella. Äskettäiset edistysaskeleet tekoälyssä ja kuvankäsittelyssä tarjoavat mahdollisuuden tehostaa hammasplakin havaitsemista ja kvantifiointia suunsisäisten kuvien avulla, mikä voi tarjota objektiivisemman ja tehokkaamman arviointityökalun.

Tavoitteet:

Vertaa tekoälymallien tarkkuutta hammasplakin havaitsemisessa kliinisiin arviointeihin.

Määrittää tekoälytekniikoiden herkkyyden, spesifisyyden ja yleisen diagnostisen suorituskyvyn.

Analysoida tekoälymallien mahdollisuuksia integroida lapsipotilaiden rutiinihammastutkimuksiin.

Metodologia:

Osallistujat: Otos lapsipotilaista rekrytoidaan, mikä varmistaa monipuolisen edustuksen erilaisista demografisista ja hampaiden terveydentilasta.

Kuvanotto: Suunsisäiset kuvat otetaan käyttämällä standardoituja kuvantamisprotokollia johdonmukaisuuden varmistamiseksi. Korkearesoluutioisia kuvia saadaan kontrolloiduissa olosuhteissa vaihtelun minimoimiseksi.

Tekoälymallit: Erilaisia ​​AI-algoritmeja, mukaan lukien konvoluutiohermoverkot (CNN) ja syväoppimistekniikat, opetetaan käyttämällä annotoitujen intraoraalisten kuvien tietojoukkoa. Nämä mallit arvioidaan niiden kyvyn perusteella tunnistaa ja kvantifioida hammasplakki.

Kliininen arviointi: Koulutetut hammaslääkärit suorittavat kliinisiä tutkimuksia käyttämällä tavallisia plakin indeksejä arvioidakseen plakin esiintymisen ja vakavuuden samassa lapsiryhmässä.

Tietojen analyysi: Tekoälymallien diagnostista tarkkuutta verrataan kliinisiin arviointeihin tilastomenetelmillä, mukaan lukien herkkyyden, spesifisyyden, positiivisen ennustusarvon ja negatiivisen ennustusarvon laskelmat.

Odotetut tulokset:

Tutkimuksen tavoitteena on selvittää tekoälyn roolia hammasplakin havaitsemisen tehostamisessa lapsilla, mikä mahdollisesti johtaa ennaltaehkäisevän hoidon ja hoitostrategioiden parantamiseen. Löydökset voivat myös edistää tekoälyavusteisten työkalujen kehittämistä hammaslääkäreille.

Eettiset näkökohdat:

Tässä tutkimuksessa noudatetaan eettisiä ohjeita ja varmistetaan, että lapsipotilaiden laillisilta huoltajilta saadaan tietoinen suostumus. Asianomaisen institutionaalisen arviointilautakunnan (IRB) hyväksyntä varmistetaan ennen tutkimuksen aloittamista

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

323

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

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

  • Lapsi

Hyväksyy terveitä vapaaehtoisia

Ei käytössä

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Lapset 7-12-vuotiaat.

Kuvaus

Sisällön kriteerit:

.Tutkimuksen osallistujat: 7-12-vuotiaat lapset. .Hampaat ilman metallikruunuja tai amalgaamikorjausta.

Poissulkemiskriteerit:

  • Lapset, joilla on kiilteen kehityshäiriöitä
  • Lapset, jotka eivät halua tehdä yhteistyötä tai joilla on kehitysvammaisuus ja joita on kielletty ottamasta kuvia. .Lapset, jotka ovat heidän laillisia huoltajiaan, eivät hyväksy osallistumista tutkimukseen.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
suunsisäiset kuvat lapsille, joilla on hammasplakkia hammaslääkärin arvioitavaksi

Intervention yleiskatsaus: Osallistujille tehdään suunsisäinen kuvantaminen käyttämällä [suunsisäistä kameraa].

Toimenpiteiden yleiskatsaus: Koulutettu hammaslääkäri tai suuhygienisti suorittaa kliinisen arvioinnin jokaisen lapsen plakkitasoista käyttämällä tavanomaisia ​​kliinisiä kriteerejä.

Arviointimenetelmä: Kliiniseen arviointiin kuuluu silmämääräinen tarkastus, ja plakkiindeksiä voidaan käyttää läsnä olevan plakin määrän arvioimiseen.

Tiedonkeruu ja -analyysi:

Tulosmittaukset: Tekoälymallien ja kliinisten arvioiden tuloksia verrataan diagnostisten tarkkuusmittojen, kuten herkkyyden, spesifisyyden, positiivisen ennustusarvon ja negatiivisen ennustusarvon, laskemiseksi.

suunsisäiset kuvat lapsille, joilla on hammasplakkia tekoälymallien arvioimiseksi

Intervention yleiskatsaus: Osallistujille tehdään suunsisäinen kuvantaminen käyttämällä [suunsisäistä kameraa].

Tekoälymallit: Kuvat analysoidaan käyttämällä erilaisia ​​AI-malleja, jotka on suunniteltu plakin havaitsemiseen.

Tiedonkeruu ja -analyysi:

Tulosmittaukset: Tekoälymallien ja kliinisten arvioiden tuloksia verrataan diagnostisten tarkkuusmittojen, kuten herkkyyden, spesifisyyden, positiivisen ennustusarvon ja negatiivisen ennustusarvon, laskemiseksi.

  1. AI-mallianalyysi:

    Kuvaus: Osallistujien intraoraaliset kuvat otetaan standardoiduilla kuvantamistekniikoilla. Nämä kuvat analysoidaan sitten erilaisilla tekoälymalleilla, jotka on suunniteltu erityisesti hammasplakin havaitsemiseen. Tekoälymallit käsittelevät kuvia tunnistaakseen ja kvantifioidakseen plakin esiintymisen.

  2. Kliininen arviointi:

Kuvaus: Pätevä hammaslääkäri suorittaa osallistujille perinteisen kliinisen tutkimuksen hammasplakin arvioimiseksi käyttämällä tavallisia tutkimustekniikoita. Tämä toimii vertailustandardina, johon tekoälymalleja verrataan.

Tutkimusmenettelyt Kuvanhankinta: Jokaisesta osallistujasta otetaan intraoraaliset kuvat käyttämällä [suunsisäistä kameraa].

Tekoälymallin arviointi: Otetut kuvat analysoidaan käyttämällä erilaisia ​​tekoälyalgoritmeja, joihin voi sisältyä.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
plakin havaitsemisen tarkkuus
Aikaikkuna: ensisijainen tulos arvioidaan lähtötilanteessa Ennen interventiota otetaan suussa olevat kuvat ja niitä arvioidaan käyttämällä tekoälymalleja ja kliinistä arviointia.
Ensisijainen tulosmittaus arvioi eri tekoälymallien diagnostista tarkkuutta hampaiden plakin havaitsemisessa intraoraalisista kuvista verrattuna kliinisiin arviointeihin.
ensisijainen tulos arvioidaan lähtötilanteessa Ennen interventiota otetaan suussa olevat kuvat ja niitä arvioidaan käyttämällä tekoälymalleja ja kliinistä arviointia.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Tutkijat

  • Opintojohtaja: Cairo University, Cairo University

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 (Arvioitu)

Keskiviikko 1. tammikuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Tiistai 30. joulukuuta 2025

Opintojen valmistuminen (Arvioitu)

Tiistai 30. joulukuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Sunnuntai 22. joulukuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 3. tammikuuta 2025

Ensimmäinen Lähetetty (Todellinen)

Tiistai 25. maaliskuuta 2025

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 25. maaliskuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 3. tammikuuta 2025

Viimeksi vahvistettu

Keskiviikko 1. tammikuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • OP7-1-1

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 .

Tilaa