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.

AI Detection Model of Extra Root Canals in Mandibular Premolars Using CBCT Scans

1 luglio 2026 aggiornato da: Ayah Tarek El Sayed Abudlaah, Cairo University

Diagnostic Accuracy of a Deep Learning Model (Artificial Intelligence) for Detecting Extra Root Canals in Mandibular Premolars on CBCT Images: Diagnostic Accuracy Study.

Successful endodontic treatment depends on the complete identification and management of the entire root canal system. Missed root canals are a major cause of endodontic failure, particularly in mandibular premolars, which exhibit considerable anatomical variability and may contain additional root canals that are difficult to detect using conventional diagnostic methods.

Cone Beam Computed Tomography (CBCT) provides three-dimensional visualization of root canal anatomy and has significantly improved the detection of anatomical variations. However, interpretation of CBCT images remains dependent on the experience and expertise of the clinician, leading to potential observer variability and missed diagnoses.

Recent advances in artificial intelligence (AI), particularly deep learning models based on convolutional neural networks, have shown promising results in dental image analysis and diagnostic support. AI-assisted diagnostic systems may improve the accuracy, consistency, and efficiency of CBCT interpretation by automatically identifying complex anatomical structures.

The aim of this retrospective diagnostic accuracy study is to evaluate the performance of a newly developed deep learning model for the detection of extra root canals in mandibular premolars using CBCT images. The diagnostic accuracy of the AI model will be assessed by comparing its findings with the assessments of experienced oral and maxillofacial radiologists, which will serve as the reference standard.

A total of 272 CBCT scans of mandibular premolars from Egyptian patients will be included according to predefined eligibility criteria. Diagnostic performance will be evaluated using measures including sensitivity, specificity, positive predictive value, and negative predictive value.

The findings of this study may provide evidence regarding the clinical applicability of AI-assisted diagnostic tools in endodontics and contribute to improved detection of complex root canal anatomy, reduced incidence of missed canals, and enhanced treatment outcomes.

Panoramica dello studio

Stato

Non ancora reclutamento

Condizioni

Intervento / Trattamento

Descrizione dettagliata

The goal of this observational study is to evaluate whether a deep learning artificial intelligence (AI) model can accurately detect extra root canals in mandibular premolars using Cone Beam Computed Tomography (CBCT) images in Egyptian patients. The main questions it aims to answer are:

  • Can the AI model accurately detect extra root canals in mandibular premolars on CBCT scans?
  • Is the diagnostic accuracy of the AI model comparable to that of experienced oral and maxillofacial radiologists? Researchers will compare the results generated by the AI model with the assessments of experienced radiologists, which will serve as the reference standard.

Participants will:

  • Provide previously acquired CBCT scans that meet the study eligibility criteria.
  • Have their CBCT images analyzed by the AI model.
  • Have their CBCT images independently evaluated by experienced radiologists for comparison with the AI findings.

The study findings may help determine the potential role of AI-assisted diagnostic tools in improving the detection of complex root canal anatomy and supporting endodontic diagnosis

Tipo di studio

Interventistico

Iscrizione (Stimato)

272

Fase

  • Non applicabile

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
  • Adulto più anziano

Accetta volontari sani

Sì

Descrizione

Inclusion Criteria:

  • CBCT scans of mandibular molars of Egyptian patients aging from 18 to 65 years old
  • Small Field of view (FOV) including maximum a quadrant
  • Voxel size not larger than 2mm
  • Mandibular premolars showing complete root formation
  • Carious or non-carious teeth
  • Absence of artifacts.

Exclusion Criteria:

  • Mandibular first and second premolars with developmental anomalies, external or internal root resorption, root canal calcification, previous root canal treatment, post restorations, and/or root caries
  • CBCT images of sub-optimal quality or artifacts/high scatter interfering with proper assessment

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

  • Scopo principale: Diagnostico
  • Assegnazione: Randomizzato
  • Modello interventistico: Assegnazione parallela
  • Mascheramento: Nessuno (etichetta aperta)

Armi e interventi

Gruppo di partecipanti / Arm
Intervento / Trattamento
Sperimentale: Mandibular premolars with single canals
Test diagnostico: AI Model to detect any extra canals in mandibular premolars
It is a study to detect the diagnostic accuracy of AI model to detect extra canals in mandibular premolars
Sperimentale: Mandibular premolars with more than one canal
Test diagnostico: AI Model to detect any extra canals in mandibular premolars
It is a study to detect the diagnostic accuracy of AI model to detect extra canals in mandibular premolars

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Diagnostic Accuracy of the Deep Learning Model for Detection of Extra Root Canals in Mandibular Premolars
Lasso di tempo: During the procedure
Diagnostic accuracy of the AI model will be determined by comparison with expert radiologist assessment.
During the procedure

Misure di risultato secondarie

Misura del risultato
Lasso di tempo
Sensitivity of the AI Model Specificity of the AI Model Positive Predictive Value (PPV) Negative Predictive Value (NPV)
Lasso di tempo: During the procedure
During the procedure

Collaboratori e investigatori

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

Sponsor

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

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 luglio 2026

Completamento primario (Stimato)

15 agosto 2026

Completamento dello studio (Stimato)

10 luglio 2027

Date di iscrizione allo studio

Primo inviato

25 giugno 2026

Primo inviato che soddisfa i criteri di controllo qualità

1 luglio 2026

Primo Inserito (Effettivo)

8 luglio 2026

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

8 luglio 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

1 luglio 2026

Ultimo verificato

1 luglio 2026

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Altri numeri di identificazione dello studio

  • 7.1.1

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

INDECISO

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 .

Prove cliniche su Extra Canals

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Malawi

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

3
Sottoscrivi