Précision comparative des modèles d'IA et évaluation clinique pour la détection de la plaque dentaire chez les enfants

Titre de l'étude :

Précision de la détection de la plaque dentaire à partir d'images intra-orales à l'aide de différents modèles d'intelligence artificielle par rapport à une évaluation clinique parmi un groupe d'enfants : une étude sur la précision du diagnostic

Aperçu de l'étude :

Cette étude observationnelle sur l'exactitude du diagnostic est conçue pour évaluer les performances de plusieurs modèles d'intelligence artificielle (IA) dans la détection de la plaque dentaire à partir d'images intra-orales, par rapport aux évaluations cliniques traditionnelles menées par des dentistes qualifiés. L'accent est mis principalement sur les patients pédiatriques, car la détection et la gestion précoces de la plaque dentaire sont cruciales pour maintenir la santé bucco-dentaire des enfants.

Contexte et justification :

La plaque dentaire est un biofilm qui se forme sur les dents et peut entraîner des caries et des maladies parodontales si elle n'est pas correctement gérée. Les méthodes traditionnelles de détection de la plaque dentaire reposent sur des évaluations visuelles effectuées par des professionnels dentaires, qui peuvent être subjectives et dont la précision peut varier. Les progrès récents en matière d’IA et de traitement d’images offrent la possibilité d’améliorer la détection et la quantification de la plaque dentaire grâce aux images intra-orales, fournissant potentiellement un outil d’évaluation plus objectif et plus efficace.

Objectifs :

Comparer la précision des modèles d'IA dans la détection de la plaque dentaire par rapport aux évaluations cliniques.

Déterminer la sensibilité, la spécificité et les performances diagnostiques globales des technologies d’IA.

Analyser le potentiel d'intégration de modèles d'IA dans les examens dentaires de routine pour les patients pédiatriques.

Méthodologie:

Participants : Un échantillon de patients pédiatriques sera recruté, garantissant une représentation diversifiée de diverses données démographiques et états de santé dentaire.

Acquisition d'images : les images intra-orales seront capturées à l'aide de protocoles d'imagerie standardisés pour garantir la cohérence. Des images haute résolution seront obtenues dans des conditions contrôlées pour minimiser la variabilité.

Modèles d'IA : Divers algorithmes d'IA, notamment les réseaux de neurones convolutifs (CNN) et les techniques d'apprentissage en profondeur, seront entraînés à l'aide d'un ensemble de données d'images intra-orales annotées. Ces modèles seront évalués en fonction de leur capacité à identifier et quantifier la plaque dentaire.

Évaluation clinique : des dentistes qualifiés effectueront des examens cliniques à l'aide d'indices de plaque dentaire standard pour évaluer la présence et la gravité de la plaque dentaire dans la même cohorte d'enfants.

Analyse des données : des méthodes statistiques seront utilisées pour comparer l'exactitude diagnostique des modèles d'IA avec des évaluations cliniques, y compris des calculs de sensibilité, de spécificité, de valeur prédictive positive et de valeur prédictive négative.

Résultats attendus :

L’étude vise à élucider le rôle de l’IA dans l’amélioration de la détection de la plaque dentaire chez les enfants, conduisant potentiellement à de meilleures stratégies de soins préventifs et de traitement. Les résultats pourraient également contribuer au développement d’outils assistés par l’IA pour les praticiens dentaires.

Considérations éthiques :

Cette étude respectera les directives éthiques, garantissant que le consentement éclairé est obtenu des tuteurs légaux des participants pédiatriques. L'approbation du comité d'examen institutionnel (IRB) concerné sera obtenue avant le début de l'étude.