A mesterséges intelligencia cefalometriai elemző szoftverek pontossága és megbízhatósága a kézi nyomkövetéssel összehasonlítva
Az ortodonciai cefalometriai elemzés pontossága és megbízhatósága webalapú mesterséges intelligencia programmal
Ez a tanulmány összehasonlítja a mesterséges intelligencia (MI) szoftver pontosságát és megbízhatóságát a fogászati röntgenfelvételek elemzésében a fogorvosok által használt hagyományos kézi nyomkövetési módszerrel.
A laterális cefalometriás röntgenfelvételek speciális fejröntgenek, amelyeket az ortodonciában (fogszabályozás) használnak az állkapocs pozíciók, a fogszögek és az arányok mérésére. Hagyományosan az ortodontisták kézzel rajzolják át ezeket a röntgenfelvételeket ceruzával és papírral, hogy azonosítsák a kulcsfontosságú pontokat és méréseket végezzenek. Ez a kézi módszer időigényes, és eltérő lehet különböző szakemberek között, vagy akár ugyanazon szakember kétszeri mérésekor is.
Az MI-alapú szoftver automatikusan azonosítja ezeket a pontokat és azonnal elvégzi a méréseket. Ez a tanulmány 40 fogászati röntgenfelvételt vizsgált meg annak meghatározására, hogy a WeDoCeph MI-szoftver ugyanolyan pontos és megbízhatóbb-e, mint a kézi nyomkövetés.
Minden röntgenfelvételt kétszer mérték meg – egyszer kézzel egy képzett vizsgáló által, és egyszer az MI-szoftverrel – két különböző időpontban (4 héttel eltérően). A kutatók 15 különböző mérést hasonlítottak össze, köztük 8 szöget és 7 távolságot, hogy felmérjék a pontosságot és a megbízhatóságot.
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
A laterális cefalometriás elemzés elengedhetetlen az ortodontiai diagnosztika és a kezelési tervezés szempontjából. A hagyományos manuális nyomkövetési módszer anatómiai jelzőpontok azonosítását foglalja magában a röntgenfelvételeken ceruza, vonalzó és szögmérő segítségével, ami szubjektív, időigényes, és hajlamos az intra- és intermegfigyelői variabilitásra.<\/p>
Ez a diagnosztikai pontossági tanulmány értékelte a WeDoCeph mesterséges intelligencián alapuló cefalometriás elemző szoftvert a hagyományos manuális nyomkövetéssel szemben. A tanulmány összehasonlító ismételt méréses tervezést alkalmazott, ahol minden röntgenfelvételt mindkét módszerrel elemeztek két időpontban (T₀ és T₁, 4 héttel elválasztva), hogy felmérjék a pontosságot és a megbízhatóságot is.<\/p>
A mintaméret számítása 95%-os teljesítményen és 0,05-ös szignifikanciaszinten alapult, ami 40 laterális cefalometriás röntgenfelvételt eredményezett. Minden mérés tartalmazott szögparamétereket (SNA, SNB, ANB, FMPA, MMPA, UIA, LIA, IIA) és lineáris paramétereket (A-N merőleges, POG-N merőleges, ANS-Me, SN, UFH, MxPI, MnPI).<\/p>
A páros T-próbát alkalmazzák statisztikai elemzési módszerként az összehasonlításokhoz, és az Intraclass Correlation Coefficient (ICC)-t a megbízhatóság értékeléséhez. A tanulmány célja az volt, hogy megállapítsa, hogy a mesterséges intelligencián alapuló cefalometriás elemzés elegendő pontosságot és kiválóbb megbízhatóságot nyújt-e az ortodontiai gyakorlatban való klinikai alkalmazáshoz.<\/p>
Tanulmány típusa
Beiratkozás (Tényleges)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
Pahang
-
Kuantan, Pahang, Malaysia, 25200
- Orthodontic Specialist Clinic, Kulliyyah of Dentistry
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
A vizsgálati populáció ortodonciás betegek különböző kezelési szakaszaiból származó röntgenfelvételeiből állt, beleértve a kezelés előtti (kezdeti diagnosztikai) és a kezelés utáni röntgenfelvételeket is. Minden röntgenfelvétel kiváló minőségű digitális vagy digitalizált laterális cefalogram volt, amely alkalmas volt a jelzőpontok azonosítására és mérésére. A sebészi merev rögzítésekkel, a röntgenfelvételeken látható ortodonciás készülékekkel vagy fogpótlásokkal rendelkező betegeket kizárták, hogy az anatómiai jelzőpontok tisztán láthatók legyenek. Ezen kívül a nagyon rossz minőségű röntgenfelvételeket, valamint diagnosztizált szindrómákkal vagy craniofaciális deformitásokkal rendelkező betegek röntgenfelvételeit is kizárták az anatómiai szerkezet értékelésének konzisztenciájának megőrzése érdekében.
Az elemzés egysége a cefalometriai röntgenfelvétel, nem az egyes betegek, mivel minden röntgenfelvétel egyetlen diagnosztikai értékelést képvisel.
Leírás
Bevonási kritériumok:
- Kezelés előtti/utáni oldalsó cefalometriai röntgenfelvételek
- Magas minőségű cefalogramok látható anatómiai orientációs pontokkal
Kizárási kritériumok:
- Röntgenfelvételen látható sebészi merev rögzítésekkel, fogszabályozó készülékekkel és fogpótlásokkal rendelkező betegek
- Nagyon rossz minőségű/diagnosztikailag elfogadhatatlan röntgenfelvételek
- Szindrómás vagy craniofaciális deformitásokkal rendelkező betegek
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
Ortodonciás betegek oldalirányú cefalometriás röntgenfelvételekkel
40 ortodontiai beteg oldalsó cefalometriai röntgenfelvétele, amelyeket 2023 januárja és júniusa között gyűjtöttek az Ortodontiai Szakrendelőben. Minden röntgenfelvételt kézi nyomkövetéssel és mesterséges intelligencián alapuló szoftverrel (WeDoCeph) elemeztek két időpontban (kezdeti és 4 héttel később)
|
Hagyományos kézi cefalometriás elemzés képzett vizsgáló által végrehajtva hagyományos átrajzolási technikával.
Oldalsó cefalometriás röntgenfelvételek kézi átrajzolása sötétített szobában, átvilágító doboz használatával.
Alapként 25 cm x 18 cm-es röntgenfilmet használnak, amelyre 21 cm x 16 cm-es matt acetát átrajzolópapírt ragasztanak.
A kemény és lágy szövetek cefalometriás pontjait kézi úton azonosítják és rajzolják fel 0,3 mm-es 2HB ceruzával.
A szögméréseket szögmérővel, a lineáris méréseket vonalzóval végezik.
Mind a 15 cefalometriás mérést (8 szögmérés: SNA, SNB, ANB, FMPA, MMPA, UIA, LIA, IIA; és 7 lineáris mérés: A-N merőleges, POG-N merőleges, ANS-Me, SN, UFH, MxPI, MnPI) kézi úton számítják ki.
Minden röntgenfelvételt kétszer rajzolnak át és elemeznek 4 hetes időközönként ugyanazon vizsgáló által a vizsgálón belüli megbízhatóság értékelése érdekében.
Automatizált cefalometriai elemzés WeDoCeph mesterséges intelligencia alapú szoftverrel.
A digitális oldalsó cefalometriai röntgenfelvételeket jó minőségű JPEG képekként importálják a szoftverplatformra.
Az MI rendszer mélytanuló algoritmusokkal automatikusan azonosítja és kijelöli a cefalometriai pontokat, majd az előre meghatározott paraméterek alapján azonnal generálja az összes mérést.
A manuális kijelölés során kapott 15 cefalometriai mérés (8 szögmérés: SNA, SNB, ANB, FMPA, MMPA, UIA, LIA, IIA; és 7 vonalmérés: A-N merőleges, POG-N merőleges, ANS-Me, SN, UFH, MxPI, MnPI) automatikusan kiszámításra kerül a szoftver által.
Minden röntgenfelvételt kétszer elemeznek 4 hetes időközönként a korábban feltöltött digitális képek felhasználásával, hogy felmérjék az MI rendszer reprodukálhatóságát és konzisztenciáját.
Nincs szükség manuális pontazonosításra vagy mérési számításra.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Intraclass Correlation Coefficient (ICC) az ismételt kézi mérésekhez
Időkeret: Alapvonal (T₀) és 4 héttel később (T₁)
|
ICC kiszámítva mind a 15 cefalometriai mérésre (8 szöges és 7 lineáris), amelyek kézzel végeztek két időpontban a vizsgálón belüli megbízhatóság értékelésére
|
Alapvonal (T₀) és 4 héttel később (T₁)
|
|
Intraclass Correlation Coefficient (ICC) ismételt AI mérésekre
Időkeret: Alapvonal (T₀) és 4 héttel később (T₁)
|
Az ICC kiszámítva mind a 15 cefalometriai mérésre, amelyet a WeDoCeph szoftver végez két időpontban a konzisztencia értékelésére
|
Alapvonal (T₀) és 4 héttel később (T₁)
|
|
A kézi és mesterséges intelligencián alapuló mérések közötti átlagos különbségek a T₀ időpontban
Időkeret: Alapvonal (T₀)
|
Párosított T-próba összehasonlítás mind a 15 mérés között kézi nyomkövetés és AI elemzés között a kezdeti időpontban
|
Alapvonal (T₀)
|
|
Az átlagos különbségek a kézi és mesterséges intelligencia alapú mérések között T₁-nél
Időkeret: 4 hét
|
Páros T-próba összehasonlítása mind a 15 mérés között kézi nyomkövetés és AI elemzés között a 4 hetes időpontban
|
4 hét
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Szögmérések
Időkeret: Alapvonal (T₀) és 4 hét (T₁)
|
Az anguláris cefalometriai mérések összehasonlítása a módszerek között
|
Alapvonal (T₀) és 4 hét (T₁)
|
|
Lineáris Mérések
Időkeret: Alapvonal (T₀) és 4 hét (T₁)
|
A lineáris cefalometriai mérések módszerek közötti összehasonlítása
|
Alapvonal (T₀) és 4 hét (T₁)
|
|
Inter-examiner Reliability
Időkeret: A kalibrációs fázis alatt
|
A röntgenfelvételek 10%-át három vizsgáló elemezte, hogy biztosítsák a vizsgálók közötti egyetértést
|
A kalibrációs fázis alatt
|
Együttműködők és nyomozók
Publikációk és hasznos linkek
Általános kiadványok
- Alqahtani H. Evaluation of an online website-based platform for cephalometric analysis. J Stomatol Oral Maxillofac Surg. 2020 Feb;121(1):53-57. doi: 10.1016/j.jormas.2019.04.017. Epub 2019 May 3.
- Kazimierczak W, Gawin G, Janiszewska-Olszowska J, Dyszkiewicz-Konwinska M, Nowicki P, Kazimierczak N, Serafin Z, Orhan K. Comparison of Three Commercially Available, AI-Driven Cephalometric Analysis Tools in Orthodontics. J Clin Med. 2024 Jun 26;13(13):3733. doi: 10.3390/jcm13133733.
- Lee JH, Yu HJ, Kim MJ, Kim JW, Choi J. Automated cephalometric landmark detection with confidence regions using Bayesian convolutional neural networks. BMC Oral Health. 2020 Oct 7;20(1):270. doi: 10.1186/s12903-020-01256-7.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Tényleges)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Egyéb vizsgálati azonosító számok
- IREC 2023-045
- CHAIN 22-001-0001 (Egyéb támogatási/finanszírozási szám: IIUM Kulliyyah of Dentistry Postgraduate CHAIN Grant)
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
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. .