Détection des caries proximales en radiographie rétroalvéolaire à l'aide de l'intelligence artificielle
4 février 2026 mis à jour par: Rawda Hesham Abd ElAziz, Cairo University
Détection des caries proximales en radiographie rétrocoronaire grâce à l'intelligence artificielle - Une étude clinique diagnostique
À l'aide d'une séquence de radiographies interproximales, l'intelligence artificielle aide à identifier les caries interproximales.
Pour l'identification des caries dentaires sur les radiographies interproximales, périapicales et panoramiques, un réseau d'apprentissage profond entraîné sera créé. Cette étude visait à examiner la fiabilité d'un nouveau modèle d'intelligence artificielle basé sur l'apprentissage profond dans la détection des caries proximales à l'aide de radiographies interproximales numériques.
(BW).
Aperçu de l'étude
Statut
Complété
Les conditions
Type d'étude
Observationnel
Inscription (Réel)
2000
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.
Lieux d'étude
-
-
-
Cairo, Egypte, 11331
- Ain Shams University
-
-
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
- Adulte plus âgé
Accepte les volontaires sains
Oui
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Patients fréquentant la clinique dentaire externe de la Faculté nécessitant un examen radiographique interproximal pour un diagnostic de routine ou une planification de traitement.
La description
Critères d'inclusion :
- Patients présentant toutes les prémolaires et molaires permanentes (maximum une dent manquante de chaque côté)
Critères d'exclusion :
- 1-Anomalies dentaires → Amélogenèse imparfaite, Dentinogenèse imparfaite, taurodontisme 2- Encombrement sévère empêchant la visualisation des contacts dentaires 3-Fils orthodontiques collés à l'émail de la dent
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
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Groupe 1 Intelligence artificielle Apprentissage profond appliqué au diagnostic des caries proximales
|
L'intelligence artificielle a été utilisée comme outil de diagnostic par apprentissage profond pour détecter les caries proximales sur les radiographies numériques interproximales.
Le système a analysé les images et généré des scores de probabilité et des marqueurs visuels pour les lésions suspectées.
Sa performance a été comparée aux diagnostics d'examinateurs experts comme standard de référence.
Les résultats de l'IA ont été utilisés uniquement pour l'évaluation et n'ont pas influencé les décisions de traitement des patients.
|
|
Groupe 2 : Bitewing numérique annoté manuellement par des experts humains
|
Test diagnostique: Annotation manuelle de radiographie numérique de bitewing par des experts humains
Les radiographies numériques rétrocoronaires ont été annotées manuellement par des experts humains calibrés pour identifier la présence et l'emplacement des caries proximales.
Les annotations ont été réalisées en utilisant des critères diagnostiques standardisés et un logiciel d'imagerie dédié pour marquer les lésions suspectes.
Ces marquages d'experts ont servi de référence standard pour la comparaison avec les résultats de l'intelligence artificielle.
La concordance inter-examinateurs a été évaluée, et les désaccords ont été résolus par consensus.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Délai |
|---|---|
|
Fiabilité du modèle d'intelligence artificielle dans la détection des caries proximales sur les radiographies numériques bite-wing
Délai: évaluation transversale au départ, sans période de suivi
|
évaluation transversale au départ, sans période de suivi
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Collaborateurs
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 (Réel)
15 janvier 2023
Achèvement primaire (Réel)
15 septembre 2025
Achèvement de l'étude (Réel)
1 décembre 2025
Dates d'inscription aux études
Première soumission
4 février 2026
Première soumission répondant aux critères de contrôle qualité
4 février 2026
Première publication (Réel)
11 février 2026
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
11 février 2026
Dernière mise à jour soumise répondant aux critères de contrôle qualité
4 février 2026
Dernière vérification
1 février 2026
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- CONS_ Rad 1180
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique 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 .