- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT07254039
AI által támogatott nyál diagnosztika elektrokémiai érzékelő platformmal parodontitisz észlelésére (SALIENCE) (SALIENCE)
Fejlesztés és validáció egy mesterséges intelligenciával támogatott elektrokémiai szenzor platform számára nyálalapú diagnosztikához parodontitisben
Ez a megfigyelési tanulmány célja egy új, mesterséges intelligenciával támogatott elektrokémiai szenzorplatform fejlesztése és validálása nyálalapú diagnosztikára periodontitis esetén. A periodontitis egy krónikus gyulladásos betegség, amely a fogínyt és a fogak támasztó szöveteit érinti. Annak ellenére, hogy globálisan magas a gyakorisága, a korai diagnózis továbbra is kihívást jelent, mivel a betegség gyakran csendesen halad, amíg visszafordíthatatlan károsodás nem következik be.
A nyál ígéretes, nem-invazív diagnosztikai közeg, amely tükrözi mind az orális, mind a szisztémás egészséget. Azonban biológiai komplexitása és változékonysága korlátozza klinikai használatát. Ez a projekt ezeket a kihívásokat kezeli azáltal, hogy összekapcsolja a fejlett elektrokémiai érzékelést a mesterséges intelligenciával (MI) és a szintetikus adatgenerálással, hogy javítsa a diagnosztikai pontosságot és megbízhatóságot.
A tanulmány magában foglalja nyálminták gyűjtését felnőtt résztvevőktől diagnosztizált periodontitisszel és egészséges kontrollcsoportból. A mintákat egy moduláris szenzorplatformmal elemezzük, amely több elektródával van felszerelve, hogy elektrokémiai jeleket érzékeljen a nyálbiomarkerek széles skálájából. A szenzoradatokat ezután gépi tanulási modellekkel dolgozzuk fel, amelyek valós és szintetikus adatokon lettek betanítva a betegségi állapotok osztályozására.
A fő célok a következők:
Az elektrokémiai szenzortömb teljesítményének értékelése a nyálelemzéshez.
MI-alapú algoritmusok fejlesztése és validálása az egészséges és beteg minták észlelésére és megkülönböztetésére.
Megvalósíthatósági adatok generálása a jövőbeli klinikai megvalósítás támogatására a nyálalapú diagnosztikának a periodontitis esetén.
Ez az interdiszciplináris projekt egyesíti a klinikai fogászat, a biomérnöki tudomány és a számítástechnika szakértelmét. A Linköpingi Egyetem és a Malmői Egyetem együttműködésében zajlik, a betegmintavételezést egy partnergyógyszertárban végzik.
A tanulmány várhatóan egy működő koncepcióbizonyító eszközzel jár, amely lehetővé teszi a periodontitis valós idejű, nem-invazív észlelését az ellátás helyén. A korábbi diagnózis és a személyre szabottabb kezelés lehetővé tételével ez a technológia átalakíthatja a parodontális ellátást, és alapul szolgálhat a jövőbeli nyálalapú diagnosztikák számára más orális és szisztémás betegségek célzásával.
A tanulmány áttekintése
Állapot
Részletes leírás
Háttér és indoklás A parodontitis egy krónikus gyulladásos betegség, amely a fogak tartószövetét érinti, és az egyik leggyakoribb szájbetegség világszerte. Magas előfordulása ellenére a korai diagnózis továbbra is jelentős kihívást jelent, mivel a jelenlegi diagnosztikai eszközök visszatekintő mérésekre támaszkodnak, mint például a zsebmélység, vérzés a szondázáskor és a radiográfiás csontvesztés. Ezek a mutatók inkább a múltbeli szövetpusztulást tükrözik, mint a jelenlegi betegségaktivitást, ami késleltetett diagnózishoz és kezeléshez vezet.
A nyál egy vonzó diagnosztikai folyadék a nem-invazív, valós idejű betegségmonitorozáshoz, mert összetett biomarker-keveréket tartalmaz, amelyek mind a száj-, mind a szisztémás egészséget tükrözik. Azonban biológiai változékonysága, mátrixhatásai és a szennyeződéssel szembeni érzékenysége korlátozták megbízhatóságát diagnosztikai közegként. Ezen kihívások leküzdésére ez a projekt integrálja az elektrokémiai érzékelést mesterséges intelligencia (MI) által vezérelt adatértelmezéssel és szintetikus adatgenerálással, hogy robusztus, nyálalapú diagnosztikát tegyen lehetővé.
Tanulmány célkitűzései
Az általános cél egy MI-ámogatott elektrokémiai érzékelőplatform fejlesztése és validálása, amely képes felismerni a parodontitisszel összefüggő biokémiai mintázatokat a nyálban. A konkrét célok a következők:
Moduláris, több elektródás érzékelőplatform tervezése és optimalizálása a nyálelemzéshez.
MI-algoritmusok fejlesztése és validálása a valós idejű jelfeldolgozáshoz és betegségosztályozáshoz.
Megvalósíthatósági és koncepcióigazoló adatok generálása a jövőbeli klinikai megvalósításhoz a fogászati ellátásban.
Tanulmány tervezése és módszerei Ez egy megfigyelési tanulmány, amely felnőtt résztvevőktől származó nyálmintavételt foglal magában, akiknél parodontitist diagnosztizáltak, valamint egészséges kontrollszemélyeket. Körülbelül 25 parodontitis beteget és egy bővített kontrollcsoportot toboroznak egy együttműködő fogászati klinikáról.
Az elektrokémiai érzékelőplatform több elektródatípust fog tartalmazni (szén, arany, platina, palládium), amelyek mindegyikét specifikus elektrokémiai és biokémiai tulajdonságok miatt választották ki. Az elektródák a nyálbiomarkerek széles spektrumát észlelik, beleértve a gyulladással, oxidatív stresszel és mikrobális aktivitással kapcsolatos metabolitokat. A rendszer több analitikai módot támogat, mint például a differenciális impulzusvoltametria (DPV), amely nagy érzékenységet és felbontást biztosít több analit esetén.
A gyűjtött nyálmintákat először ellenőrzött laboratóriumi körülmények között tesztelik, hogy alapvető érzékelőválaszokat állapítsanak meg. A kiválasztott mintákon kiegészítő elemzéseket is végeznek (pl. H-NMR, LC-MS) a kalibráció és validáció érdekében. Az érzékelőjeleket felügyelt és felügyelet nélküli gépi tanulási modellekkel dolgozzák fel és osztályozzák, beleértve a támogató vektorgépeket és véletlen erdőket. Szintetikus adatbővítést, amely variációs autoenkóderekhez hasonló generatív modelleken alapul, alkalmaznak az adathalmaz diverzitásának növelésére és a modelláltalánosítás javítására, különösen a korai fázisban, amikor a minta szám korlátozott.
Megvalósítási terv A projekt 24 hónapra szól, 2025 szeptemberében kezdődik.
1–4. hónap: Elektródaanyagok kiválasztása és összehasonlító értékelése mesterséges és egészséges nyálmintákban.
5–8. hónap: Az első prototípus összeszerelése integrált MI-jelrögzítéssel és biztonságos, GDPR-kompatibilis adatátvitellel.
9–12. hónap: Szintetikus adathalmazok fejlesztése és a gépi tanulási modellek kezdeti betanítása.
9–19. hónap: Klinikai nyálmintavétel és iteratív modellfinomítás új adatok felhasználásával.
21–24. hónap: A koncepcióigazoló rendszer valós idejű tesztelése klinikai környezetben, adatelemzés és eredmények terjesztése.
Adatkezelés és -elemzés Az összes gyűjtött adat anonimizálva lesz és a GDPR és etikai szabványok szerint kerül feldolgozásra. Az érzékelőkimenetek anonimizált klinikai metaadatokhoz kapcsolódnak. A gépi tanulási modelleket az osztályozási pontosság, érzékenység, specificitás és a biológiai változékonysághoz való robusztusság alapján értékelik. A statisztikai elemzések közé tartozik a keresztvalidáció és a teljesítmény-összehasonlítás az elektróda-konfigurációk és MI-modellek között.
Várható eredmények és jelentőség A tanulmány egy funkcionális koncepcióigazoló prototípust eredményez egy MI-ámogatott nyáldiagnosztikai rendszerből. A platform célja a parodontitis gyors, nem-invazív észlelése az ellátás helyén. Ha sikeres, paradigmaváltást jelentene a parodontális diagnosztikában, lehetővé téve a korábbi észlelést, jobban célzott beavatkozásokat és javult betegkimenetelt.
A parodontitisen túl a rendszer moduláris kialakítása lehetővé teszi más betegségekhez való alkalmazkodást, beleértve a szájrákot, szisztémás gyulladást és anyagcserezavarokat. Ez a rugalmasság növeli hosszú távú potenciálját skálázható diagnosztikai technológiaként mind fogászati, mind orvosi alkalmazásokhoz.
Etikai megfontolások és kockázatkezelés A tanulmányt a Svéd Etikai Felülvizsgálati Hatóság jóváhagyta (referenciaszám: 2025-04853-01). Minden résztvevő írásos tájékoztatott beleegyezést ad a mintavétel előtt. A tanulmány minimális kockázatot von maga után, amely a nyálmintavétellel járó kellemetlenségre korlátozódik. Nem végeznek kísérleti kezelést vagy invazív eljárásokat.
A lehetséges technikai kockázatokat, mint például a nyálminták változékonysága vagy az eszköz teljesítménye, szabványos mintavételi protokollokkal és iteratív prototípusfinomítással enyhítik. A moduláris hardvertervezés biztosítja, hogy az egyes komponensek módosíthatók vagy cserélhetők anélkül, hogy ez veszélyeztetné a teljes rendszert.
Együttműködés és szakértelem Ez az interdiszciplináris projekt összehozza a klinikai fogászat, a biomérnöki tudomány és a számítástechnika szakértőit. A tanulmányt Sayardoust Shariel docens (Linköpingi Egyetem és Östergötland megye) vezeti, együttműködő partnerei Falk Magnus docens, Davies Julia docens és Akin Erdal doktor a Malmői Egyetemről. Az ipari együttműködés a Redoxme AB-vel támogatja a hardverprototípus-készítést és integrációt.
Együtt a konzorcium célja, hogy megalapozza a következő generációs nyáldiagnosztika alapjait, amelyek egyesítik az MI-t, az elektrokémiai érzékelést és a betegközpontú ellátást a mindennapi klinikai gyakorlatban.
Tanulmány típusa
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Shariel Sayardoust, DDS., PhD
- Telefonszám: +46736564648
- E-mail: shariel.sayardoust@regionostergotland.se
Tanulmányozza a kapcsolattartók biztonsági mentését
- Név: Magnus Falk, PhD
- Telefonszám: +460703857476
- E-mail: magnus.falk@mau.se
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevonási kritériumok:
Felnőttek ≥18 évesek.
Képes és hajlandó írásos tájékoztatott beleegyezést adni.
Képes protokoll szerint stimulálatlan teljes nyálmintát adni (60 perccel a mintavétel előtt nem fogyaszt ételt, italt, rágógumit, nem fogat mos, nem dohányzik).
Parodontitis csoport: Parodontitis klinikai diagnózisa a 2018-as AAP/EFP kritériumok szerint (pl. fogközi CAL ≥3 mm legalább 2 nem szomszédos fogon radiográfiás csontvesztéssel; szondázási zsebmélység ≥4 mm legalább 2 fogon).
Egészséges kontrollcsoport: Nincsenek parodontális betegség klinikai jelei (nincs >3 mm-es szondázási mélység, szondázáskor vérzés <10%, és nincs radiográfiás csontvesztés).
Kizárási kritériumok:
Rendszeres antibiotikum vagy szisztémás gyulladáscsökkentő/immunszuppresszív terápia az elmúlt 3 hónapban.
Parodontális kezelés (fogkőeltávolítás/gyökérsimítás vagy műtét) az elmúlt 6 hónapban.
Jelenlegi akut szájüregi fertőzés vagy tályog.
Olyan szisztémás állapotok, amelyek jelentősen megváltoztatják a nyál összetételét/áramlását (pl. Sjögren-szindróma, korábbi fej-nyaki sugárkezelés, folyamatban lévő kemoterápia, kontrollálatlan diabetes).
Erősen xerogén gyógyszerek használata, amelyek nem stabil dózisban vannak ≥4 hete, vagy klinikailag jelentős hyposalivatio, amely megakadályozza a mintavételt.
Képtelenség a mintavételi eljárások betartására (pl. nem tud 60 percre tartózkodni az étel/ital/dohányzás fogyasztásától a mintavétel előtt).
Terhesség vagy szoptatás.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
Periodontitis csoport
Felnőttek, akiknél klinikai kritériumok alapján parodontitiszt diagnosztizáltak.
|
|
Egészséges Kontrollcsoport
Felnőttek, akiknél nincsenek a parodontális betegség klinikai jelei.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Az AI-Assisztált Elektrokémiai Nyál Szenzor Érzékenysége és Specificitása a Parodontitis Kimutatásában
Időkeret: A vizsgálat kezdetétől számított 24 hónapon belül (az adatgyűjtés és elemzés befejezése).
|
Ez az eredmény az AI-asszisztált elektrokémiai szenzorplatform diagnosztikai pontosságát értékeli a szenzitivitás, specificitás, pozitív prediktív érték (PPV), negatív prediktív érték (NPV) és a fogadó működési karakterisztika görbe alatti területének (AUC) kiszámításával. A platform a nyálminták elektrokémiai jelmintáit elemzi, és egy AI-alapú osztályozási modell előrejelzi, hogy a résztvevőknél periodontitis van-e. A klinikai parodontális állapotot (periodontitis vs. parodontális egészség) teljes szájú klinikai vizsgálattal állapítják meg a 2017-es Világműhely besorolási kritériumai szerint. A szenzorplatform diagnosztikai pontossági metrikáit ezzel a klinikai aranystandarddal hasonlítják össze. |
A vizsgálat kezdetétől számított 24 hónapon belül (az adatgyűjtés és elemzés befejezése).
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Elektrokémiai Nyál Szenzor Jelek Futáson Belüli Ismételhetősége (Változási Együttható)
Időkeret: Mérve a 24 hónapos vizsgálati időszak alatt.
|
Ez az eredmény a szenzor tömb által generált elektrokémiai jelmérések ismételhetőségét értékeli a nyálminták elemzése során.
Az ismételhetőséget a variációs együttható (CV%) segítségével számszerűsítjük, amelyet ugyanazon nyálminta több egymást követő méréséből számítunk ki szabványos laboratóriumi körülmények között.
|
Mérve a 24 hónapos vizsgálati időszak alatt.
|
|
Korreláció az érzékelő kimenetek és a biokémiai referenciaanalízisek között
Időkeret: 24 hónap
|
Az elektrokémiai szenzor válaszok és a hagyományos biokémiai vagy molekuláris referencia módszerek (pl. LC-MS, H-NMR) közötti korreláció értékelése az analitikai pontosság validálásához.
|
24 hónap
|
|
Rendszerhasználhatósági Skála (SUS) pontszám az AI-vezérelt nyál-szenzor platform klinikai használatához
Időkeret: 24 hónap
|
A klinikai megvalósíthatóság értékelése a Rendszerhasználhatósági Skála (SUS) segítségével történik, amely egy validált 10 kérdésből álló kérdőív, és 0-tól 100-ig terjedő globális használhatósági pontszámot ad. Az SUS pontszám értékeli az észlelt használhatóságot, tanulhatóságot és a fogászati munkafolyamatba való integrációt a klinikai személyzet körében, akik az AI-vezérelt nyálszenzor platformot használják. A magasabb pontszámok jobb használhatóságot és megvalósíthatóságot jeleznek a rutin klinikai bevezetéshez. Az SUS pontszámot átlag és szórás alapján összegezzük. |
24 hónap
|
Együttműködők és nyomozók
Szponzor
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Becsült)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
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
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- SALIENCE2025
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
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. .