人工知能による頭部X線規格写真分析ソフトウェアと手動トレースの比較における精度と信頼性
ウェブベース人工知能プログラムを用いた矯正歯科セファロメトリー分析の精度と信頼性
この研究は、歯科用X線を分析する人工知能(AI)ソフトウェアの精度と信頼性を、歯科医師が使用する従来の手動トレース法と比較します。
側面頭部X線写真は、矯正歯科(歯列矯正)において顎骨の位置、歯の角度、顔のバランスを測定するために使用される特別な頭部X線です。 従来、矯正歯科医は鉛筆と紙を使用してこれらのX線を手動でトレースし、主要なランドマークを特定し測定を行います。 この手動法は時間がかかり、異なる施術者間で、または同じ施術者が2回測定した場合でも結果にばらつきが生じることがあります。
AIベースのソフトウェアは、これらのランドマークを自動的に特定し、瞬時に測定を実行できます。 この研究では、AIソフトウェア(WeDoCeph)が手動トレースと同等の精度で、より信頼性が高いかどうかを判断するために40枚の歯科用X線を検証しました。
各X線は、訓練を受けた検査者による手動測定とAIソフトウェアによる測定の2回(4週間間隔)測定されました。 研究者は、8つの角度と7つの距離を含む15の異なる測定値を比較し、精度と信頼性を評価しました。
調査の概要
状態
状態
条件
条件
介入・治療
介入・治療
詳細な説明
側面頭部X線規格写真分析は、歯科矯正診断と治療計画に不可欠です。 従来の手動トレース法は、鉛筆、定規、分度器を使用してX線写真上の解剖学的ランドマークを特定する方法で、主観的で時間がかかり、観察者内および観察者間の変動が生じやすい特徴があります。
この診断精度研究では、従来の手動トレース法と比較して、WeDoCeph AIベースの頭部X線規格写真分析ソフトウェアを評価しました。 研究では比較反復測定デザインを採用し、各X線写真を両方の方法で2つの時点(T₀とT₁、4週間間隔)で分析し、精度と信頼性の両方を評価しました。
サンプルサイズの計算は、95%の検出力と0.05の有意水準に基づいて行われ、40枚の側面頭部X線規格写真となりました。 すべての測定には、角度パラメータ(SNA、SNB、ANB、FMPA、MMPA、UIA、LIA、IIA)と線形パラメータ(A-N垂直、POG-N垂直、ANS-Me、SN、UFH、MxPI、MnPI)が含まれました。
統計分析手法としては、比較には対応のあるT検定を、信頼性評価には級内相関係数(ICC)を使用します。 この研究は、AIベースの頭部X線規格写真分析が、歯科矯正診療における臨床応用に十分な精度と優れた信頼性を提供するかどうかを明らかにすることを目的としました。
研究の種類
研究の種類
入学 (実際)
入学
連絡先と場所
研究場所
-
-
Pahang
-
Kuantan、Pahang、マレーシア、25200
- Orthodontic Specialist Clinic, Kulliyyah of Dentistry
-
-
参加基準
適格基準
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
研究対象集団は、矯正治療患者のレントゲン写真から構成され、治療前(初期診断時)および治療後のレントゲン写真を含む様々な治療段階のものを含みました。 すべてのレントゲン写真は、解剖学的指標点の識別と測定に適した高品質なデジタルまたはデジタル化された側面頭部X線規格写真でした。 解剖学的指標点の明確な視認性を確保するため、外科的固定装置、レントゲン写真上で確認可能な矯正装置、または歯科補綴物を有する患者は除外されました。 さらに、解剖学的構造評価の一貫性を維持するため、品質が非常に低いレントゲン写真や、診断された症候群または頭蓋顔面奇形を有する患者のレントゲン写真は除外されました。
分析単位は個々の患者ではなく頭部X線規格写真であり、各写真は単一の診断評価を表します。
説明
包含基準:
- 治療前/治療後の側面頭部X線写真
- 解剖学的ランドマークが明確に見える高品質な頭部X線写真
除外基準:
- X線写真上に外科的固定装置、矯正装置、歯科補綴物が確認できる患者
- 画質が非常に悪い/診断的に不適切なX線写真
- 症候群または顎顔面変形を有する患者
研究計画
研究はどのように設計されていますか?
デザインの詳細
グループ/コホートの数
コホートと介入
グループ/コホートグループ/コホート |
介入・治療介入・治療 |
|---|---|
|
側面セファログラムを有する矯正患者
2023年1月から2023年6月までに矯正歯科専門クリニックから収集された40名の矯正患者の側面頭部X線規格写真。
各X線写真は、2つの時点(初回および4週間後)で手動トレーシングとAIベースのソフトウェア(WeDoCeph)の両方を用いて分析されました
|
訓練を受けた検査者が従来のトレーシング技術を用いて行う従来の手動セファロ分析。
側面セファロX線写真は、透過照明用のビューボックスを使用して暗室で手作業でトレースされる。
25cm×18cmのX線フィルムをベースとして使用し、その上に21cm×16cmのマットアセテートトレーシングペーパーをテープで固定する。
硬組織および軟組織のセファロ計測ランドマークは、0.3mmの2HB鉛筆を使用して手作業で特定されトレースされる。
角度測定は分度器を使用して取得され、線形測定は定規を使用して取得される。
すべての15のセファロ計測値(8つの角度:SNA、SNB、ANB、FMPA、MMPA、UIA、LIA、IIA;および7つの線形:A-N垂直、POG-N垂直、ANS-Me、SN、UFH、MxPI、MnPI)は手作業で計算される。
各X線写真は、同一検査者による検査者内信頼性を評価するために、4週間間隔で2回トレースおよび分析される。
WeDoCeph人工知能ベースソフトウェアを用いた自動セファロ分析。
デジタル側面セファログラム放射線写真は、高品質JPEG画像としてソフトウェアプラットフォームにインポートされます。
AIシステムは深層学習アルゴリズムを使用してセファロメトリックランドマークを自動的に識別・トレースし、事前に定義されたパラメータに基づいてすべての測定値を瞬時に生成します。
手動トレースで得られた同じ15のセファロメトリック測定値(8つの角度測定:SNA、SNB、ANB、FMPA、MMPA、UIA、LIA、IIA;および7つの線形測定:A-N垂直、POG-N垂直、ANS-Me、SN、UFH、MxPI、MnPI)がソフトウェアによって自動的に計算されます。
各放射線写真は、以前にアップロードされたデジタル画像を使用して4週間間隔で2回分析され、AIシステムの再現性と一貫性を評価します。
手動でのランドマーク識別や測定計算は必要ありません。
|
この研究は何を測定していますか?
主要な結果の測定
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
反復手動測定の級内相関係数(ICC)
時間枠:ベースライン(T₀)および4週間後(T₁)
|
すべての15の頭蓋計測測定(8つの角度測定と7つの線形測定)について、2つの時点で手動で実施されたICCを計算し、検査者内信頼性を評価した
|
ベースライン(T₀)および4週間後(T₁)
|
|
反復AI測定における級内相関係数(ICC)
時間枠:ベースライン(T₀)および4週間後(T₁)
|
ICCを、WeDoCephソフトウェアによって2つの時点で実施されたすべての15の頭蓋計測値について計算し、一貫性を評価しました
|
ベースライン(T₀)および4週間後(T₁)
|
|
T₀における手動測定とAIベース測定の平均差
時間枠:ベースライン(T₀)
|
初期時点における手動トレースとAI解析の全15測定値の対応のあるT検定比較
|
ベースライン(T₀)
|
|
T₁における手動測定とAIベース測定の平均差
時間枠:4週間
|
手動トレースとAI分析による全15測定値の4週時点における対応のあるT検定比較
|
4週間
|
二次結果の測定
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
角度測定
時間枠:ベースライン(T₀)および4週間(T₁)
|
手法間における頭部X線規格写真の角度計測値の比較
|
ベースライン(T₀)および4週間(T₁)
|
|
線形測定
時間枠:ベースライン(T₀)および4週間後(T₁)
|
方法間での線形頭部X線規格写真測定の比較
|
ベースライン(T₀)および4週間後(T₁)
|
|
評価者間信頼性
時間枠:校正フェーズ中
|
10%のレントゲン写真は、検査者間の一致を確保するために3人の検査者によって分析されました
|
校正フェーズ中
|
協力者と研究者
出版物と役立つリンク
一般刊行物
- Alqahtani H. Evaluation of an online website-based platform for cephalometric analysis. J Stomatol Oral Maxillofac Surg. 2020 Feb;121(1):53-57. doi: 10.1016/j.jormas.2019.04.017. Epub 2019 May 3.
- Kazimierczak W, Gawin G, Janiszewska-Olszowska J, Dyszkiewicz-Konwinska M, Nowicki P, Kazimierczak N, Serafin Z, Orhan K. Comparison of Three Commercially Available, AI-Driven Cephalometric Analysis Tools in Orthodontics. J Clin Med. 2024 Jun 26;13(13):3733. doi: 10.3390/jcm13133733.
- Lee JH, Yu HJ, Kim MJ, Kim JW, Choi J. Automated cephalometric landmark detection with confidence regions using Bayesian convolutional neural networks. BMC Oral Health. 2020 Oct 7;20(1):270. doi: 10.1186/s12903-020-01256-7.
研究記録日
主要日程の研究
研究開始 (実際)
研究開始
一次修了 (実際)
一次修了
研究の完了 (実際)
研究の完了
試験登録日
最初に提出
最初に提出
QC基準を満たした最初の提出物
QC基準を満たした最初の提出物
最初の投稿 (実際)
最初の投稿
学習記録の更新
投稿された最後の更新 (実際)
投稿された最後の更新
QC基準を満たした最後の更新が送信されました
QC基準を満たした最後の更新が送信されました
最終確認日
最終確認日
詳しくは
本研究に関する用語
その他の研究ID番号
その他の研究ID番号
- IREC 2023-045
- CHAIN 22-001-0001 (その他の助成金/資金番号:IIUM Kulliyyah of Dentistry Postgraduate CHAIN Grant)
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。