Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

A mesterséges intelligencia használata a fogászati ​​röntgenelemzésben

2024. február 12. frissítette: Hospital of the Ministry of Interior, Kielce, Poland

A mesterséges intelligencia algoritmussal végzett fogászati ​​röntgenelemzés és a fogorvosok által végzett elemzés összehasonlítása

Jelen keresztmetszeti vizsgálat célja a szuvasodás, a fogtömések, a gyökértömések, az endodonciai elváltozások, az implantátumok, az implantátum és a fogászati ​​felfekvő koronák, a ponti koronák, valamint a hiányzó fogak előfordulási gyakoriságának populáció alapú felmérése a hely figyelembevételével.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Beavatkozás / kezelés

Részletes leírás

Ennek a keresztmetszeti vizsgálatnak a célja a szuvasodás, fogtömések, gyökértömések, endodonciai elváltozások, implantátumok, implantátum- és fogcsonkkoronák, ponti koronák és hiányzó fogak előfordulási gyakoriságának populációalapú felmérése, figyelembe véve a helyszínt. A vizsgálatban olyan páciensek vesznek részt, akiknél írásos beutalóval megerősített fogászati ​​röntgen javallat van, és állandó fogazattal rendelkeznek. Ezután a röntgenfelvételeket a fogorvosok és az AI-alapú szoftver elemzik az adatok anonimizálása után. Az eredményeket összehasonlítva meghatározzák az AI algoritmus érzékenységét, specifitását és pontosságát.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

1025

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányi helyek

  • Lengyelország
      • Kielce, Lengyelország, 25-375
        • Toborzás
        • Department of Maxillofacial Surgery
        • Kapcsolatba lépni:

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

  • Gyermek
  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Valószínűségi minta

Tanulmányi populáció

A vizsgálatba bevont betegeket a mintegy 200 000 lakosú dél-lengyelországi város, Kielce radiológiai osztályára vették fel.

Leírás

Bevételi kritériumok:

  • Fogorvosi vagy orvosi beutalóval megerősített fogröntgen-javallatok (mind a szűrővizsgálatok, mind a kezelési célú vizsgálatok megengedettek)
  • Tartós fogazat (a hámlás befejezése után)

Kizárási kritériumok:

  • Vegyes fogazatú betegek (a hámlás még nem fejeződött be)

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
Egy betegcsoport (kettős kapu)

Dizájnt tanulni:

  • Az adatgyűjtés iránya: retrospektív
  • Kapuk száma (alkalmassági kritériumok): kettős kapu (AI, emberi)
  • Résztvevői mintavételi módszer: Konszekutív
  • A résztvevők indextesztekhez való hozzárendelésének módja: Minden résztvevő megkapta az összes indextesztet
  • Referenciaszabványok száma: Egyetlen vizsgálati szabvány
  • Korlátozott ellenőrzés: teljes körű ellenőrzés (nem korlátozott)
Sugárzás: Fogászati ​​röntgen készítése
Írásos beutalóval igazolt indikációjú betegek fogászati ​​röntgenfelvétele.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Érzékenység
Időkeret: Akár 6 hétig

Az érzékenység (más néven felidézés vagy valódi pozitív arány) azon tényleges pozitív esetek aránya, amelyeket helyesen pozitívnak jósolnak. Kiértékeli egy AI algoritmus teljesítményét. Formálisan a következő egyenlettel számítható ki:

Érzékenység = TP / (TP+FN)

Valódi pozitív (TP) - olyan vizsgálati eredmény, amely helyesen jelzi egy állapot vagy jellemző jelenlétét

Hamis negatív (FN) – olyan vizsgálati eredmény, amely tévesen jelzi, hogy egy adott állapot vagy jellemző hiányzik
Akár 6 hétig
Specificitás
Időkeret: Akár 6 hétig

Specificitás (más néven valódi negatív ráta) – a tényleges negatív esetek aránya, amelyeket helyesen negatívnak jósolnak. Kiértékeli egy AI algoritmus teljesítményét. Formálisan az alábbi egyenlettel számítható ki:

Specificitás = TN / (TN + FP)

Valódi negatív (TN) - olyan vizsgálati eredmény, amely helyesen jelzi egy állapot vagy jellemző hiányát

Hamis pozitív (FP) – olyan vizsgálati eredmény, amely tévesen jelzi egy adott állapot vagy jellemző fennállását
Akár 6 hétig
Az AI algoritmus pontossága
Időkeret: Akár 6 hétig

A precizitás egy olyan értékelési mérőszám, amelyet az AI gépi tanulási algoritmusának teljesítményének értékelésére használnak. Azt méri, hogy mennyire pontos az algoritmus. A pontosság kiszámításához a következő képlet segítségével a valódi pozitívak (TP) és a hamis pozitívak (FP) számát fogjuk használni:

Pontosság = TP / (TP + FP)

Valódi pozitív (TP) - olyan vizsgálati eredmény, amely helyesen jelzi egy állapot vagy jellemző jelenlétét

Hamis pozitív (FP) - olyan vizsgálati eredmény, amely tévesen jelzi egy adott állapot vagy jellemző fennállását
Akár 6 hétig

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Hospital of the Ministry of Interior, Kielce, Poland

Nyomozók

  • Tanulmányi szék: Maciej Sikora, Hospital of the Ministry of Interior, Wojska Polskiego 51, 25-375 Kielce, Poland

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)

2024. január 1.

Elsődleges befejezés (Becsült)

2024. február 23.

A tanulmány befejezése (Becsült)

2024. március 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2024. január 25.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2024. február 12.

Első közzététel (Tényleges)

2024. február 14.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. február 14.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. február 12.

Utolsó ellenőrzés

2024. február 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • CT/2023/1

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

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. .

Klinikai vizsgálatok a Fogszuvasodás

Klinikai vizsgálatok a Fogászati ​​röntgen készítése

Keressen hasonló próbaverziókban

Szponzorok és közreműködők

Egészségi állapot

Kábítószer-beavatkozások

CROs by country

CROs in Egypt

Körülmények

Ritka betegségek

Kábítószer-beavatkozások

Táplálék-kiegészítők

Szponzor / közreműködők

Helyek

3
Iratkozz fel