Mesterséges intelligencia által támogatott intraorális szkennelés.
2022. szeptember 16. frissítette: Kıvanç Akça
A fogívek felületének szkennelésének összehasonlítása AI-támogatással és anélkül: Módszertani tanulmány
A gyártási szakaszok digitalizálása (automatizálása) számítógéppel segített tervezéssel és számítógéppel segített gyártási (CAD/CAM) technológiákkal digitális forradalomhoz vezetett a fogászatban, akárcsak az ipar számos más területén.
A jelenlegi fogászatban a digitalizációs folyamat direkt és közvetett munkafolyamatként definiálható.
Az ezen technológiák által lehetővé tett indirekt digitális munkafolyamat klinikai megbízhatóságát és sikerét tudományos vizsgálatok igazolják.
Az intraorális szkennerek (IOS) fejlesztésével közvetlen digitalizálással virtuális modellt kapnak.
Ez a módszer kiküszöbölte az indirekt digitalizáláshoz szükséges hagyományos lenyomat- és fogászati öntvénymodell-lépéseket.
Az intraorális szkennereket a konvantív lenyomatok alternatívájaként használják egyszeri és rövid fogatlan esetekben.
Korábban már hangsúlyozták, hogy a direkt digitalizálás a hagyományos lenyomatolási módszer megbízható alternatívája, hiszen a legyártott pótlások klinikai alkalmazhatósága, pontossága és precizitása tudományosan igazolt.
Ezért a közvetlen digitalizálás klinikai alkalmazása napról napra (exponenciálisan) növekszik, és a szoftverek új, frissített verziói, valamint a hardverberendezések különféle módosításai készülnek.
A mesterséges intelligencia (AI) által támogatott szoftverek integrálása az intraorális szkennelési folyamatba a közvetlen digitalizáció új korszakának kezdeteként tekinthető.
Ezért ennek a tanulmánynak az a célja, hogy értékelje a mesterséges intelligencia hatását a szkennelési időre, a gyűjtött adatok mennyiségére és a kapott képpontosságra.
A tanulmány áttekintése
Állapot
Befejezve
Körülmények
Beavatkozás / kezelés
Részletes leírás
A résztvevők mandibulájának (n=21) intraorális szkennelését tervezték (3Shape TRIOS A/S, Koppenhága, Dánia) mesterséges intelligenciával (AI be) és mesterséges intelligencia nélkül (AI off). A szkenneléshez használt egyenlő oldalú referenciaháromszögeket digitálisan tervezték és 3D nyomtatóval készítették el. Ezután ezek a háromszögek a #34-es, #44-es fogak bukkális felületéhez és a #36#46-os fogak nyelvi felületéhez tapadtak. Minden résztvevő alsó állkapcsát ugyanaz a kezelő szkennelte, az ajánlott szkennelési protokollnak megfelelően. Ezenkívül a szkennelés véletlenszerűen történt, az AI be- és kikapcsolásával.
Az IOS szoftver automatikusan rögzítette a szkennelési idő és a kapott képek mennyiségi összehasonlításához szükséges adatokat (TRIOS Scanning Version 1.18.310, 3 Shape A/S). A szkennelés hatékonyságának összehasonlítása érdekében a két szkennelés során kapott háromszög alakú objektumok digitális képeinek területadatait számítógépes környezetben, reverse engineering szoftverrel (Geomagic design X version 2016.1.0, 3D Systems Inc. Rock Hill, SC).
Tanulmány típusa
Beavatkozó
Beiratkozás (Tényleges)
21
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
-
Ankara, Pulyka, 06100
- Hacettepe University Faculty of Dentistry Department of Prosthodontics
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
18 év (FELNŐTT)
Egészséges önkénteseket fogad
Igen
Tanulmányozható nemek
Összes
Leírás
Bevételi kritériumok:
- Befejezett növekedés és fejlődés
- Jó szájhigiénés szokások és egészséges parodontális állapot.
- Hiányzó fogak hiánya a mandibulában (vagy nincs fogvesztés a mandibulában)
- A tájékozott beleegyező nyilatkozat aláírása
- Nincs temporomandibularis ízületi (TMJ) rendellenesség
Kizárási kritériumok:
- Önkéntesek, akik nem felelnek meg a felvételi kritériumoknak
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: BASIC_SCIENCE
- Kiosztás: NON_RANDOMIZÁLT
- Beavatkozó modell: PÁRHUZAMOS
- Maszkolás: HÁRMAS
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
SHAM_COMPARATOR: AI szkenneléskor
A résztvevők alsó állkapcsát az ajánlott szkennelési protokollnak megfelelően „AI on” szkenneléssel szkennelték, és az IOS szoftver automatikusan rögzítette a kapott adatokat.
|
A résztvevők mandibuláit „AI on” szkenneléssel szkennelték az ajánlott szkennelési protokollnak megfelelően.
Minden vizsgálatot ugyanaz a kezelő hajtott végre.
|
|
ACTIVE_COMPARATOR: AI kikapcsolva a szkennelést
A résztvevők alsó állkapcsát az ajánlott szkennelési protokollnak megfelelően „AI off” szkenneléssel szkennelték, és az IOS szoftver automatikusan rögzítette a kapott adatokat.
|
A résztvevők mandibuláit az ajánlott szkennelési protokollnak megfelelően „AI off” szkenneléssel vizsgáltuk.
Minden vizsgálatot ugyanaz a kezelő hajtott végre.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Szkennelési idő és összegyűjtött adatok
Időkeret: az intraorális szkennelés során
|
Az intraorális szkennelő szoftver által automatikusan rögzített szkennelési idő (percben és másodpercben) és az összegyűjtött adatok mennyisége (képszámként) a két szkennelési módszer összehasonlítására szolgál.
|
az intraorális szkennelés során
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Háromszögek felületének mérése
Időkeret: a tanulmányok befejezéséig átlagosan 2 hét
|
A háromszög alakú objektumok mindkét vizsgálat során kapott területadatait számítógépes környezetben, reverse engineering szoftverrel számítottuk ki.
|
a tanulmányok befejezéséig átlagosan 2 hét
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Együttműködők
Nyomozók
- Tanulmányi igazgató: Kivanc Akca, Professor, Study Director
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (TÉNYLEGES)
2021. szeptember 1.
Elsődleges befejezés (TÉNYLEGES)
2021. október 10.
A tanulmány befejezése (TÉNYLEGES)
2021. december 5.
Tanulmányi regisztráció dátumai
Először benyújtva
2022. május 26.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2022. szeptember 16.
Első közzététel (TÉNYLEGES)
2022. szeptember 19.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (TÉNYLEGES)
2022. szeptember 19.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2022. szeptember 16.
Utolsó ellenőrzés
2022. szeptember 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Egyéb vizsgálati azonosító számok
- KA-21086
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .