Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

L’intelligenza artificiale rivaleggia con il Bitewing digitale nel rilevamento della carie secondaria

30 ottobre 2024 aggiornato da: Heba Tallah Mohamed Mansour, Cairo University

L'intelligenza artificiale rivaleggia con la tradizionale radiografia Bite Wing nel rilevamento della carie secondaria prossimale in un gruppo di pazienti egiziani presso l'Università del Cairo, Facoltà di Odontoiatria (Studio sull'accuratezza diagnostica)

Questo studio utilizza la radiografia digitale Bitewing come standard per la diagnosi della carie secondaria prossimale. I pazienti verranno sottoposti a imaging con una tecnica parallela e impostazioni fisse per garantire immagini coerenti e di alta qualità. Le radiografie vengono interpretate da professionisti dentali esperti per mantenere l'accuratezza diagnostica. I modelli di apprendimento automatico YOLO e Mask-RCNN analizzeranno queste immagini in tre fasi: pre-analitica, analitica e post-analitica. Per addestrare questi modelli viene utilizzato un set di dati di 322 immagini etichettate, annotate da esperti. I metodi di aumento dei dati migliorano le prestazioni del modello e l'accuratezza viene valutata rispetto ai risultati radiografici per confermare l'affidabilità.

Panoramica dello studio

Stato

Non ancora reclutamento

Condizioni

Descrizione dettagliata

La carie dentale è una malattia cronica che provoca la distruzione dei tessuti duri dei denti. È una condizione multifattoriale che spesso non viene diagnosticata, soprattutto quando è nascosta o nelle sue fasi iniziali. Il rilevamento delle lesioni non cavitate è fondamentale per la loro gestione precoce. L'ispezione visivo-tattile standard spesso non riesce a identificare le lesioni precoci su superfici difficili da raggiungere, come le aree prossimali e sotto i restauri. Rilevare precocemente la carie prossimale è fondamentale per implementare trattamenti efficaci e ottenere risultati ottimali. Un metodo supplementare comune per rilevare lesioni precoci sulle superfici prossimali e valutarne l'estensione è la radiografia Bitewing. L’approccio diagnostico di routine combina l’esame clinico con la valutazione radiografica. Per aumentare il tasso di rilevamento della carie secondaria prossimale, gli esperti raccomandano di integrare gli esami visivi e clinici con la radiografia Bitewing. Le radiografie intraorali Bitewing possono essere acquisite utilizzando pellicola o sensori digitali, con preferenza per i sistemi digitali per i vantaggi di ridotta esposizione del paziente, risparmio di tempo, miglioramento dell'immagine e facilità di archiviazione, recupero e trasmissione delle immagini. Sebbene siano più sensibili nel rilevare lesioni precoci rispetto alle valutazioni visuo-tattili, le valutazioni Bitewing presentano una variazione significativa tra gli esaminatori e una percentuale considerevole di rilevamenti di falsi positivi o falsi negativi. La letteratura recente ha esplorato l’uso dell’intelligenza artificiale (AI), un campo dell’informatica focalizzato sullo sviluppo di macchine in grado di imitare le capacità cognitive umane, come strumento diagnostico per rilevare lesioni carie utilizzando immagini dentali (radiografiche digitali). Con l’avanzare della tecnologia dell’intelligenza artificiale, un numero crescente di studi ha esaminato le prestazioni diagnostiche dei modelli basati sull’intelligenza artificiale, sottolineando l’importanza di creare strumenti affidabili come l’intelligenza artificiale per migliorare il processo diagnostico. Numerosi studi hanno valutato le prestazioni dei modelli AI su diversi tipi di radiografie dentali, con un focus significativo sulle radiografie Bitewing (BWR). L’intelligenza artificiale è stata utilizzata per varie applicazioni nella salute orale e dentale, tra cui il rilevamento della carie dentale, il trattamento e la diagnosi endodontica, problemi parodontali e il rilevamento di patologie di lesioni orali. Un set di dati di riferimento di diagnosi di carie provenienti da radiografie Bitewing di diversi esaminatori ha creato questo benchmark che funge da strumento cruciale per confrontare le prestazioni diagnostiche dei modelli di IA rispetto agli esaminatori umani, sottolineando i potenziali miglioramenti in termini di accuratezza e affidabilità che l’IA può apportare alla diagnostica dentale.

Tipo di studio

Osservativo

Iscrizione (Stimato)

322

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

  • Adulto

Accetta volontari sani

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Saranno considerati idonei i pazienti che frequentano il Dipartimento Conservativo della Clinica Odontoiatrica dell'Università del Cairo che si presentano con restauri prossimali, non mostrano segni o sintomi, dimostrano cooperazione ed esprimono interesse a partecipare allo studio. Saranno esclusi i pazienti con apparecchi ortodontici o ponti che potrebbero influire sulla qualità dell'imaging radiografico.

Descrizione

Criteri di inclusione:

  1. Pazienti adulti Paziente di età compresa tra 22 e 60 anni
  2. Maschi o femmine.
  3. I pazienti hanno restauri prossimali.
  4. Pazienti cooperativi che mostrano interesse a partecipare allo studio.

Criteri di esclusione:

  1. Pazienti con apparecchi ortodontici o lavori di ponte che potrebbero interferire con la valutazione
  2. Pazienti senza carie.
  3. Malattia sistematica che può influenzare la partecipazione.
  4. Pazienti che non desiderano prendere parte allo studio o che rifiutano di firmare il consenso informato.

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
due modelli di deep learning, YOLO e Mask-RCNN, verranno addestrati su questo set di dati per rilevare e classificare con precisione le immagini che mostrano segni di carie secondaria
Lasso di tempo: linea di base
i modelli rileveranno la presenza o l'assenza di carie secondaria attorno ai restauri
linea di base

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Investigatori

  • Direttore dello studio: Prof. Dr. Heba Hamza, professor, Professor of Conservative Dentistry Department, Faculty of Dentistry, Cairo University
  • Direttore dello studio: Dr. Rawda Hisham A. ElAziz, lecturer, Lecturer of Conservative Dentistry Department, Faculty of Dentistry, Cairo University
  • Direttore dello studio: Dr. Asmaa Ahmed Elsayed Osman, lecturer, Lecturer of Information Technology, Faculty of Computers and Artificial Intelligence, Cairo University

Pubblicazioni e link utili

La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Stimato)

15 novembre 2024

Completamento primario (Stimato)

15 novembre 2025

Completamento dello studio (Stimato)

15 febbraio 2026

Date di iscrizione allo studio

Primo inviato

30 ottobre 2024

Primo inviato che soddisfa i criteri di controllo qualità

30 ottobre 2024

Primo Inserito (Effettivo)

31 ottobre 2024

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

31 ottobre 2024

Ultimo aggiornamento inviato che soddisfa i criteri QC

30 ottobre 2024

Ultimo verificato

1 ottobre 2024

Maggiori informazioni

Termini relativi a questo studio

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Sottoscrivi