Applicazione e validazione di un sistema di apprendimento profondo basato su smartphone per disturbi potenzialmente maligni orali e screening del cancro orale

Sfondo:

Il cancro orale rimane una delle principali cause di decessi legati al cancro a Taiwan e in tutto il mondo. L'intelligenza artificiale ha il potenziale per migliorare lo screening del cancro orale, consentendo il rilevamento precoce affrontando i problemi di accesso sanitario con soluzioni di alta qualità.

Obiettivo:

Per convalidare l'accuratezza del sistema di apprendimento profondo basato su smartphone nel rilevare disturbi orali potenzialmente maligni (OPMD) e cancro orale, dimostrandolo anche che è efficace quanto le valutazioni condotte da dentisti e fornitori di salute non certificati.

Metodi:

Progettazione, impostazione e partecipanti: una prova a tre bracci aperti a tre bracci e randomizzata verrà effettuata in un centro medico nel nord di Taiwan tra gennaio 2025 e dicembre 2025. Lo studio includerà soggetti di età pari o superiore a 18 anni che visitano il centro di screening del cancro per tutti i tipi di screening. I fattori di rischio di cancro orale, come le abitudini del fumo o che hanno masticato noci di betel o alcol, sarebbero registrati da questionari anonimi.

Interventi: i soggetti ammissibili sarebbero randomizzati in un rapporto 1: 1: 1 utilizzando un algoritmo di randomizzazione generato dal computer al sistema di apprendimento profondo (braccio A) o dentista certificato con il sistema di apprendimento profondo (braccio B) o fornitori di salute non certificati (medici di medicina generale) con il sistema di apprendimento profondo (ARM C). Il sistema di apprendimento profondo nel braccio B e C verrebbe utilizzato solo per il successivo confronto e non aiuterebbe l'interpretazione manuale.

Risultati e misure principali: il risultato primario è la sensibilità e la specificità per i tre gradi di riferimento (benigni (verdi), potenzialmente maligni (giallo) e maligni (rosso)) da parte del sistema di apprendimento profondo, dentisti e operatori sanitari non certificati. Verrà anche calcolata l'area sotto la curva (AUC) per ciascuna curva caratteristica operativa del ricevitore (ROC). Il risultato secondario è il feedback dei soggetti sulla comodità durante l'esame e il tempo necessario per la valutazione.

Risultati previsti:

Ipotizziamo che i sistemi di apprendimento profondo avranno una maggiore sensibilità nel rilevare l'OPMD e il cancro orale, mentre i dentisti e i medici di medicina generale mostreranno una maggiore specificità nello screening. I risultati potrebbero aiutarci a migliorare il processo di promozione dello screening del cancro orale.