- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05538104
La précision de la détection assistée par ordinateur des radiotransparences périapicales sur des images de tomodensitométrie à faisceau conique à l'aide de l'intelligence artificielle
La précision de la détection assistée par ordinateur des radiotransparences périapicales sur des images de tomodensitométrie à faisceau conique à l'aide de l'intelligence artificielle : étude de la précision du diagnostic.
Une étude de précision diagnostique pour évaluer la précision d'un nouveau modèle d'apprentissage en profondeur dans la détection automatique des lésions radiotransparentes périapicales des mâchoires supérieure et inférieure en le comparant à l'opinion de radiologues expérimentés, qui représente la vérité de terrain.
Hypothèse : L'hypothèse nulle est que les résultats du modèle d'apprentissage en profondeur sont aussi précis que l'opinion des radiologues.
Aperçu de l'étude
Statut
Les conditions
Description détaillée
- Conception de l'étude : une étude de précision diagnostique
- Cadre et emplacement : la collecte de données rétrospective est planifiée avant que le test d'indice et l'étalon de référence ne soient effectués. Les données CBCT de cette étude seront obtenues à partir de la base de données CBCT disponible au département de radiologie buccale et maxillo-faciale, Faculté de médecine dentaire, Université du Caire, Le Caire, Égypte et à partir d'un ensemble de données en ligne disponible avec différentes machines CBCT.
Les scans CBCT de patients égyptiens qui ont déjà été soumis à un examen CBCT dans le cadre de leur diagnostic dentaire et/ou de la planification du traitement seront inclus selon les critères d'éligibilité proposés.
B) Intervenants :
Sur la base du calcul de la taille de l'échantillon, un échantillon de 50 lésions radiotransparentes périapicales de différents emplacements supérieurs et inférieurs de la mâchoire ont été trouvées dans les scans CBCT. La sélection des analyses à inclure sera basée sur les critères d'éligibilité suivants.
Critère d'intégration:
- Scanners CBCT du maxillaire et de la mandibule avec des lésions radiotransparentes périapicales libres de pf de bonne qualité.
- Scanners CBCT du maxillaire et de la mandibule de bonne qualité montrant des lésions radiotransparentes périapicales.
Critère d'exclusion:
• Images CBCT de qualité sous-optimale ou artefacts / forte dispersion interférant avec une évaluation correcte.
C) Variables :
• Les détails sur les données CBCT variables avec des lésions périapicales ont été anonymisés au format DICOM, puis les fichiers seront transmis au département d'ingénierie mathématique de la faculté d'ingénierie de l'université du Caire pour la mise en œuvre du modèle d'apprentissage en profondeur qui comprendra deux phases.
D) Sources de données / Mesures :
• Les scans CBCT de données rétrospectives anonymisées seront utilisés pour la recherche, sans la participation active des patients. Différents scanners de machines CBCT seront utilisés et préalablement importés dans le programme logiciel de visualisation CBCT Blue Sky Bio pour détecter les lésions radiotransparentes périapicales.
Ensembles de données de localisation.
- Incisives-canines (dents antérieures) Maxillaire Mandibulaire
- prémolaires -molaires (dents postérieures) Maxillaire Mandibulaire
Les données CBCT avec lésions périapicales ont été anonymisées au format DICOM, puis les fichiers seront transmis au département d'ingénierie mathématique de la faculté d'ingénierie de l'université du Caire pour la mise en œuvre du modèle d'apprentissage en profondeur qui comprendra deux phases.
Phase de formation et de validation Phase de test Séparation des jeux de test. Après l'achèvement de la première étape d'annotation, un test a été séparé du pool de données annotées et exclu de toutes les activités de développement suivantes.
Ensemble de données de développement de modèles. Un ensemble à des fins de développement de modèles formé à partir du pool de données annotées restant (c'est-à-dire non inclus dans l'ensemble de test) a été divisé en sous-ensembles de formation et de validation car il était adapté à la tâche.
Comme la performance des méthodes basées sur l'apprentissage en profondeur repose fortement sur un grand nombre d'ensembles de données étiquetés. Les méthodes existantes basées sur CNN (12, 16) pré-entraînent d'abord leur modèle sur l'ensemble de données en ligne disponible. Par conséquent, nous utiliserons un ensemble de données en ligne disponible fourni par Abdolali et al comme données utilisées dans leur étude (18) pour les travaux de recherche, puis affinerons le réseau sur notre échantillon collecté.
Le nombre exact de scans à utiliser pour la formation peut changer pour éviter un sous-ajustement ou un surajustement dans le modèle. Il sera donc exactement attribué par la faculté d'ingénierie du département d'ingénierie mathématique de l'université d'ingénierie du Caire.
E) Traiter les sources potentielles de biais :
Aucune source de biais. Le texte d'index sera effectué par un programme informatique qui sera aveuglé par la vérité terrain établie par 2 radiologues bien expérimentés avant la réalisation de ce test d'index. L'évaluateur de l'étalon de référence ne sera pas soumis aux résultats du test d'index, car l'étalon-or et les résultats du test d'index seront compilés et envoyés au statisticien finalement pour comparaison par une personne différente plutôt que par les évaluateurs.
F) Taille de l'étude :
Une analyse de puissance a été conçue pour avoir une puissance suffisante pour appliquer un test statistique bilatéral de l'hypothèse nulle selon laquelle les résultats du modèle d'apprentissage en profondeur sont aussi précis que l'opinion du radiologue. En adoptant un intervalle de confiance (95 %) et en utilisant une valeur de spécificité de (88,0 %) du groupe DL basée sur les résultats d'une étude précédente (20) (21) et 100 % pour la vérité terrain : taille d'échantillon calculée sur la base sur la spécificité était de (50) échantillons. Le calcul de la taille de l'échantillon a été effectué à l'aide de l'équation de Connor.
G) Stratégie d'échantillonnage :
échantillonnage aléatoire. H) Variables quantitatives
I) Méthodes statistiques :
la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative seront calculées et notées selon le classement des tests de diagnostic par Leonardi Dutra et al (19) avec des scores de 0,80 % résultats considérés comme excellents, entre 70 % et 80 % bons, entre 60 % et 69 % passables et ,60 % comme mauvais. Les dents sans radiotransparence périapicale ont servi de témoins.
Type d'étude
Inscription (Anticipé)
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
Les données CBCT de cette étude seront obtenues à partir de la base de données CBCT disponible au département de radiologie buccale et maxillo-faciale, Faculté de médecine dentaire, Université du Caire, Le Caire, Égypte et à partir d'un ensemble de données en ligne disponible avec différentes machines CBCT.
Les scans CBCT de patients égyptiens qui ont déjà été soumis à un examen CBCT dans le cadre de leur diagnostic dentaire et/ou de la planification du traitement seront inclus selon les critères d'éligibilité proposés.
.
La description
Critère d'intégration:
• Scanners CBCT du maxillaire et de la mandibule avec des lésions radiotransparentes périapicales libres de pf de bonne qualité.
- Scanners CBCT du maxillaire et de la mandibule de bonne qualité montrant des lésions radiotransparentes périapicales
Critère d'exclusion:
- • Images CBCT de qualité sous-optimale ou artefacts / forte dispersion interférant avec une évaluation correcte.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Autre
- Perspectives temporelles: Rétrospective
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
• Précision de la détection automatique des lésions radiotransparentes périapicales sur les images CBCT.
Délai: 1 an
|
unité : oui ou non |
1 an
|
Collaborateurs et enquêteurs
Parrainer
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Anticipé)
Achèvement primaire (Anticipé)
Achèvement de l'étude (Anticipé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- ORAD 7,1,1
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .