Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

L’intelligence artificielle rivalise avec le Digital Bitewing pour détecter les caries secondaires

30 octobre 2024 mis à jour par: Heba Tallah Mohamed Mansour, Cairo University

L'IA rivalise avec la radiographie traditionnelle des ailes occlusales dans la détection des caries secondaires proximales chez un groupe de patients égyptiens à l'Université du Caire, hôpital de la Faculté de médecine dentaire (étude sur l'exactitude du diagnostic)

Cette étude utilise la radiographie numérique interproximale comme norme pour le diagnostic des caries secondaires proximales. Les patients subiront une imagerie avec une technique parallèle et des paramètres fixes pour garantir des images cohérentes et de haute qualité. Les radiographies sont interprétées par des professionnels dentaires expérimentés pour maintenir l’exactitude du diagnostic. Les modèles d'apprentissage automatique YOLO et Mask-RCNN analyseront ces images en trois phases : pré-analytique, analytique et post-analytique. Un ensemble de données de 322 images étiquetées, annotées par des experts, est utilisé pour entraîner ces modèles. Les méthodes d'augmentation des données améliorent les performances du modèle et la précision est évaluée par rapport aux résultats radiographiques pour confirmer la fiabilité.

Aperçu de l'étude

Statut

Pas encore de recrutement

Les conditions

Description détaillée

La carie dentaire est une maladie chronique qui entraîne la destruction des tissus dentaires durs. Il s’agit d’une pathologie multifactorielle qui passe souvent inaperçue, surtout lorsqu’elle est cachée ou à ses débuts. La détection des lésions non cavitaires est cruciale pour leur prise en charge précoce. L'inspection visuo-tactile standard ne parvient souvent pas à identifier les lésions précoces sur les surfaces difficiles d'accès, telles que les zones proximales et sous les restaurations. La détection précoce des caries proximales est cruciale pour mettre en œuvre des traitements efficaces et obtenir des résultats optimaux. Une méthode supplémentaire courante pour détecter des lésions précoces sur les surfaces proximales et évaluer leur étendue est la radiographie interproximale. L'approche diagnostique de routine combine l'examen clinique et l'évaluation radiographique. Pour augmenter le taux de détection des caries secondaires proximales, les experts recommandent d’intégrer les examens visuels et cliniques à la radiographie interproximale. Les radiographies intra-orales peuvent être capturées à l'aide de capteurs sur film ou numériques, avec une préférence pour les systèmes numériques en raison de leurs avantages en matière de réduction de l'exposition du patient, de gain de temps, d'amélioration de l'image et de facilité de stockage, de récupération et de transmission des images. Bien que plus sensibles pour la détection précoce des lésions que les évaluations visuo-tactiles, les évaluations interproximales présentent des écarts significatifs entre les examinateurs et une proportion considérable de détections faussement positives ou faussement négatives. La littérature récente a exploré l'utilisation de l'intelligence artificielle (IA), un domaine de l'informatique axé sur le développement de machines capables d'imiter les capacités cognitives humaines, comme outil de diagnostic pour détecter les lésions carieuses à l'aide d'images dentaires (radiographiques numériques). À mesure que la technologie de l’IA progresse, un nombre croissant d’études ont examiné les performances diagnostiques des modèles basés sur l’IA, soulignant l’importance de créer des outils fiables comme l’IA pour améliorer le processus de diagnostic. De nombreuses études ont évalué les performances des modèles d’IA sur divers types de radiographies dentaires, avec un accent particulier sur les radiographies interproximales (BWR). L’IA a été utilisée pour diverses applications dans le domaine de la santé bucco-dentaire, notamment la détection des caries dentaires, le traitement et le diagnostic endodontiques, les problèmes parodontaux et la détection de pathologies de lésions buccales. Un ensemble de données de référence sur les diagnostics de caries à partir de radiographies interproximales réalisées par différents examinateurs a créé cette référence qui sert d'outil crucial pour comparer les performances diagnostiques des modèles d'IA avec celles des examinateurs humains, soulignant les améliorations potentielles en termes de précision et de fiabilité que l'IA peut apporter aux diagnostics dentaires.

Type d'étude

Observationnel

Inscription (Estimé)

322

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte

Accepte les volontaires sains

Oui

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Les patients fréquentant le département conservateur de la clinique dentaire de l'université du Caire qui présentent des restaurations proximales, ne présentent aucun signe ou symptôme, font preuve de coopération et expriment leur intérêt à participer à l'étude seront considérés comme éligibles. Les patients porteurs d'appareils orthodontiques ou de ponts pouvant avoir un impact sur la qualité de l'imagerie radiographique seront exclus.

La description

Critères d'intégration :

  1. Patients adultes âgés de 22 à 60 ans
  2. Mâles ou femelles.
  3. Les patients ont des restaurations proximales.
  4. Patients coopératifs qui manifestent leur intérêt à participer à l'étude.

Critères d'exclusion :

  1. Patients portant des appareils orthodontiques ou des travaux de pontage susceptibles d'interférer avec l'évaluation
  2. Patients sans carie.
  3. Maladie systématique pouvant affecter la participation.
  4. Patients ne souhaitant pas participer à l'étude ou refusant de signer le consentement éclairé.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
deux modèles d'apprentissage profond, YOLO et Mask-RCNN, seront formés sur cet ensemble de données pour détecter et classer avec précision les images montrant des signes de carie secondaire
Délai: ligne de base
les modèles détecteront la présence ou l'absence de caries secondaires autour des restaurations
ligne de base

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Les enquêteurs

  • Directeur d'études: Prof. Dr. Heba Hamza, professor, Professor of Conservative Dentistry Department, Faculty of Dentistry, Cairo University
  • Directeur d'études: Dr. Rawda Hisham A. ElAziz, lecturer, Lecturer of Conservative Dentistry Department, Faculty of Dentistry, Cairo University
  • Directeur d'études: Dr. Asmaa Ahmed Elsayed Osman, lecturer, Lecturer of Information Technology, Faculty of Computers and Artificial Intelligence, Cairo University

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Estimé)

15 novembre 2024

Achèvement primaire (Estimé)

15 novembre 2025

Achèvement de l'étude (Estimé)

15 février 2026

Dates d'inscription aux études

Première soumission

30 octobre 2024

Première soumission répondant aux critères de contrôle qualité

30 octobre 2024

Première publication (Réel)

31 octobre 2024

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

31 octobre 2024

Dernière mise à jour soumise répondant aux critères de contrôle qualité

30 octobre 2024

Dernière vérification

1 octobre 2024

Plus d'information

Termes liés à cette étude

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

S'abonner