L'utilisation de l'intelligence artificielle dans l'analyse des radiographies dentaires
Comparaison de l'analyse des radiographies dentaires réalisée par un algorithme d'intelligence artificielle et de l'analyse réalisée par les dentistes
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
-
Kielce, Pologne, 25-375
- Department of Maxillofacial Surgery
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Indications de radiographie dentaire confirmées par une recommandation écrite du dentiste ou du médecin (les tests de dépistage et les tests effectués à des fins de traitement étaient autorisés)
- Dentition permanente (une fois l'exfoliation terminée)
Critère d'exclusion:
- Patients en denture mixte (l'exfoliation n'est pas terminée)
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Un groupe de patients (double porte)
Étudier le design:
|
Radiographies dentaires réalisées chez des patients présentant des indications confirmées par une référence écrite.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Sensibilité
Délai: Jusqu'à 6 semaines
|
La sensibilité (également appelée taux de rappel ou taux de vrais positifs) est la proportion de cas positifs réels qui sont correctement prédits comme positifs. Il évalue les performances d'un algorithme d'IA. Formellement, il peut être calculé avec l'équation suivante : Sensibilité = TP / (TP+FN) Vrai positif (TP) - un résultat de test qui indique correctement la présence d'une condition ou d'une caractéristique Faux négatif (FN) : un résultat de test qui indique à tort qu'une condition ou une caractéristique particulière est absente |
Jusqu'à 6 semaines
|
|
Spécificité
Délai: Jusqu'à 6 semaines
|
La spécificité (également connue sous le nom de taux de vrais négatifs) est la proportion de cas négatifs réels qui sont correctement prédits comme négatifs. Il évalue les performances d'un algorithme d'IA. Formellement, il peut être calculé par l'équation ci-dessous : Spécificité = TN / (TN + FP) Vrai négatif (TN) - un résultat de test qui indique correctement l'absence d'une condition ou d'une caractéristique Faux positif (FP) - un résultat de test qui indique à tort qu'une condition ou une caractéristique particulière est présente |
Jusqu'à 6 semaines
|
|
Précision de l'algorithme d'IA
Délai: Jusqu'à 6 semaines
|
La précision est une mesure d'évaluation utilisée pour évaluer les performances de l'algorithme d'apprentissage automatique pour l'IA. Il mesure la précision de l’algorithme. Nous utiliserons le nombre de vrais positifs (TP) et de faux positifs (FP) pour calculer la précision à l'aide de la formule suivante : Précision = TP / (TP + FP) Vrai positif (TP) - un résultat de test qui indique correctement la présence d'une condition ou d'une caractéristique Faux positif (FP) - un résultat de test qui indique à tort qu'une condition ou une caractéristique particulière est présente |
Jusqu'à 6 semaines
|
Collaborateurs et enquêteurs
Les enquêteurs
- Chaise d'étude: Maciej Sikora, Hospital of the Ministry of Interior, Wojska Polskiego 51, 25-375 Kielce, Poland
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- CT/2023/1
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
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
produit fabriqué et exporté des États-Unis.
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 .