- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06667986
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
Intervento / Trattamento
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
- Nome: Heba-Tullah mohamed mansour, master
- Numero di telefono: 01025457570
- Email: hebatullah.mansour@dentistry.cu.edu.eg
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
Sì
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:
- Pazienti adulti Paziente di età compresa tra 22 e 60 anni
- Maschi o femmine.
- I pazienti hanno restauri prossimali.
- Pazienti cooperativi che mostrano interesse a partecipare allo studio.
Criteri di esclusione:
- Pazienti con apparecchi ortodontici o lavori di ponte che potrebbero interferire con la valutazione
- Pazienti senza carie.
- Malattia sistematica che può influenzare la partecipazione.
- 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.
Sponsor
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.
Pubblicazioni generali
- Chaves ET, Vinayahalingam S, van Nistelrooij N, Xi T, Romero VHD, Flugge T, Saker H, Kim A, Lima GDS, Loomans B, Huysmans MC, Mendes FM, Cenci MS. Detection of caries around restorations on bitewings using deep learning. J Dent. 2024 Apr;143:104886. doi: 10.1016/j.jdent.2024.104886. Epub 2024 Feb 9.
- Mohammad-Rahimi H, Motamedian SR, Rohban MH, Krois J, Uribe SE, Mahmoudinia E, Rokhshad R, Nadimi M, Schwendicke F. Deep learning for caries detection: A systematic review. J Dent. 2022 Jul;122:104115. doi: 10.1016/j.jdent.2022.104115. Epub 2022 Mar 30.
- Mertens S, Krois J, Cantu AG, Arsiwala LT, Schwendicke F. Artificial intelligence for caries detection: Randomized trial. J Dent. 2021 Dec;115:103849. doi: 10.1016/j.jdent.2021.103849. Epub 2021 Oct 14.
- Chen X, Guo J, Ye J, Zhang M, Liang Y. Detection of Proximal Caries Lesions on Bitewing Radiographs Using Deep Learning Method. Caries Res. 2022;56(5-6):455-463. doi: 10.1159/000527418. Epub 2022 Oct 10.
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
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- AI in detect dental caries
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 .