このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

Artificial Intelligence for Diagnosing Periodontitis and Monitoring Gingival Inflammation

2026年6月4日 更新者：Junyu Shi、Shanghai Ninth People's Hospital Affiliated to Shanghai Jiao Tong University

Evaluation of Artificial Intelligence Models for Periodontitis Diagnosis and Gingival Inflammation Monitoring at Tooth and Patient Levels: A Diagnostic Accuracy Study

Background and Objective:

Periodontitis and gingivitis are highly prevalent oral diseases that require accurate diagnostic classification and continuous gingival health monitoring. This study aims to develop, internally validate, and externally evaluate the diagnostic accuracy of artificial intelligence (AI) models for periodontitis staging and gingival inflammation assessment at both tooth and patient levels.

Study Design:

This is a multi-center observational study utilizing a large-scale primary clinical dataset for model development. To rigorously evaluate the generalizability of the trained AI models, two distinct pathways of independent external validation will be implemented across multiple clinical sites.

Research Phases & Validation Architecture:

Phase 1 (Periodontitis Diagnosis via Probing): Development of an AI model to diagnose periodontitis (binary classification: stage 0/I vs. stage II/III/IV) at both tooth and patient levels, using comprehensive clinical periodontal probing as the gold standard. External Validation I will be performed using an independent cohort from another campus of the primary hospital to test the model's diagnostic accuracy.

Phase 2 (Periodontitis Diagnosis via Radiographs): Development of an AI model to diagnose periodontitis (binary classification: stage 0/I vs. stage II/III/IV) at both tooth and patient levels, using digital panoramic radiographs as the reference standard. External Validation II will be conducted using distinct, independent image datasets acquired from two separate regional hospitals to evaluate geographic generalizability.

Phase 3 (Gingival Inflammation Monitoring): Development of an AI model to monitor and assess gingival inflammation at both tooth and patient levels, based on Probing Depth (PD) and Bleeding on Probing (BOP) as the gold standard. This model's performance will also be evaluated through External Validation I using the independent dataset from the primary hospital's alternative campus.

Significance:

By validating the AI models across varied institutional workflows and imaging systems, this study will provide high-level evidence on the clinical utility and robustness of AI-driven digital systems for automated periodontal screening and long-term health monitoring.

調査の概要

状態

状態

現在の募集状況やアクセス拡大状況を示します。
積極的、募集していない

条件

条件

研究されている疾患、障害、症候群、病気、またはけが。 ClinicalTrials.gov では、条件には、寿命、生活の質、健康上のリスクなど、他の健康関連の問題も含まれる場合があります。

介入・治療

介入・治療

臨床研究の焦点となるプロセスまたはアクション。介入には、医薬品、医療機器、処置、ワクチン、および治験中またはすでに利用可能なその他の製品が含まれます。介入には、教育や食事や運動の変更などの非侵襲的アプローチも含まれます。

研究の種類

研究の種類

臨床研究の性質について説明します。研究の種類には、介入研究 (臨床試験とも呼ばれます)、観察研究 (患者登録を含む)、および拡張アクセスが含まれます。
観察的

入学 (推定)

入学

臨床試験の参加者数。 「予想される」登録は、研究者が研究に必要とする参加者の目標数です。
900

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究場所

  • 中国
      • Shanghai、中国
        • Shanghai Ninth People's Hospital affiliated to Shanghai Jiao Tong University School of Medicine

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

適格基準

臨床研究への参加を希望する人々が満たさなければならない重要な要件、または彼らが持つべき特徴。適格基準は、包含基準 (人が研究に参加するために必要な基準) と除外基準 (人が研究に参加するのを妨げる基準) の両方で構成されます。適格基準のタイプには、研究が健康なボランティアを受け入れるかどうか、年齢または年齢グループの要件があるかどうか、または性別によって制限されるかどうかが含まれます。

就学可能な年齢

  • 大人
  • 高齢者

健康ボランティアの受け入れ

はい

サンプリング方法

非確率サンプル

調査対象母集団

The study population consists of adult patients who sought routine dental care or periodontal evaluation at the primary medical center (including its main campus and an alternative secondary campus) and two independent regional hospitals. This multi-center population reflects a real-world, diverse clinical screening pool of patients presenting with varying degrees of periodontal health, ranging from completely healthy gingiva to severe, advanced periodontitis. Eligible participants are identified based on the availability of concurrent full-mouth clinical periodontal charting and digital panoramic radiographs.

説明

Inclusion Criteria:

  1. Patients aged > 18 years at the time of their clinical periodontal examination.
  2. Availability of complete full-mouth periodontal charting records, which must include Probing Depth (PD) and Bleeding on Probing (BOP) documented at 6 sites per tooth.
  3. Availability of a digital panoramic radiograph of acceptable diagnostic quality, taken within one months of the clinical periodontal examination.

Exclusion Criteria:

  1. Patients who are completely edentulous or those who have undergone full-arch dental implant rehabilitation (not applicable for natural teeth periodontitis staging).
  2. Panoramic radiographs with severe image degradation, including major motion artifacts, severe positioning errors, or poor contrast/exposure that obscures the alveolar bone crest.
  3. Presence of extensive metal artifacts or massive bilateral multiple fixed crowns/bridges that completely shadow the marginal bone level of interest.
  4. Incomplete clinical electronic medical records or missing core diagnostic descriptors required to establish the clinical gold standard for periodontitis staging or gingival inflammation.

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか？

デザインの詳細

コホートと介入

グループ/コホート

グループ/コホート

生物医学的または健康上の結果について評価される観察研究の参加者のグループまたはサブグループ。
介入・治療

介入・治療

臨床研究の焦点となるプロセスまたはアクション。介入には、医薬品、医療機器、処置、ワクチン、および治験中またはすでに利用可能なその他の製品が含まれます。介入には、教育や食事や運動の変更などの非侵襲的アプローチも含まれます。
Multi-center Periodontal AI Development and Validation Cohort

Development Dataset (Primary Campus): Large-scale data used for the initial training and internal validation of the AI algorithms.

External Validation Dataset I (Secondary Campus): An independent dataset from an alternative campus of the primary hospital, used to validate clinical probing-based periodontitis diagnosis (Phase 1) and gingival inflammation monitoring (Phase 3).

External Validation Dataset II (Two Regional Hospitals): Separate imaging datasets from two distinct regional medical centers, used to validate radiograph-based periodontitis diagnosis (Phase 2).
診断テスト：AI-driven Periodontal Diagnostic and Monitoring Algorithms

The intervention evaluated in this observational study is the deployment of deep learning/artificial intelligence (AI) software models.

The AI algorithms process two streams of standard clinical data to perform three automated diagnostic tasks without altering patient care:

Automated classification of periodontitis stages (Stage 0/I vs. Stage II/III/IV) utilizing full-mouth clinical charting metrics.

Automated classification of periodontitis stages (Stage 0/I vs. Stage II/III/IV) utilizing digital panoramic radiographs.

Automated assessment and monitoring of gingival inflammation flags based on Probing Depth (PD) and Bleeding on Probing (BOP) patterns.

The outputs of these AI models will be directly compared against clinical and radiographic gold standards to calculate diagnostic accuracy metrics.

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

臨床研究のプロトコルにおいて、介入/治療の効果を評価するために最も重要な、計画された結果の尺度。ほとんどの臨床研究には 1 つの主要な結果の測定値がありますが、複数の測定値を持つものもあります。
結果測定
メジャーの説明
時間枠
Diagnostic Accuracy of the AI Model for Probing-Based Periodontitis Staging
時間枠：Baseline (At a single point in time for each participant (cross-sectional assessment))
The diagnostic performance of the deep learning AI model in classifying periodontitis stages (binary classification: Stage 0/I vs. Stage II/III/IV) at both individual tooth and patient levels, using comprehensive clinical periodontal probing as the gold standard. Performance will be evaluated using the internal development dataset and verified using External Validation Dataset I (secondary campus data). Metrics will include Area Under the Receiver Operating Characteristic curve (AUC), Sensitivity, Specificity, and F1-score.
Baseline (At a single point in time for each participant (cross-sectional assessment))
Diagnostic Accuracy of the AI Model for Radiograph-Based Periodontitis Staging
時間枠：Baseline (At a single point in time for each participant (cross-sectional assessment))
The diagnostic performance of the deep learning AI model in classifying periodontitis stages (binary classification: Stage 0/I vs. Stage II/III/IV) at both individual tooth and patient levels, using digital panoramic radiographs as the reference standard. Performance will be evaluated using the internal development dataset and verified using External Validation Dataset II (multi-center data from two separate regional hospitals). Metrics will include Area Under the Receiver Operating Characteristic curve (AUC), Sensitivity, Specificity, and F1-score.
Baseline (At a single point in time for each participant (cross-sectional assessment))
Diagnostic Accuracy of the AI Model for Gingival Inflammation Monitoring
時間枠：Baseline (At a single point in time for each participant (cross-sectional assessment))
The performance of the deep learning AI model in detecting and monitoring gingival inflammation flags at both individual tooth and patient levels, using Probing Depth (PD) and Bleeding on Probing (BOP) metrics as the clinical gold standard. Performance will be evaluated using the internal development dataset and verified using External Validation Dataset I (secondary campus data). Metrics will include Sensitivity, Specificity, Positive Predictive Value (PPV), and Negative Predictive Value (NPV).
Baseline (At a single point in time for each participant (cross-sectional assessment))

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

スポンサー

研究を開始し、研究に対する権限と管理権を持つ組織または個人。
Shanghai Ninth People's Hospital Affiliated to Shanghai Jiao Tong University

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

研究開始

最初の参加者が臨床試験に登録された実際の日付。 「予想される」研究開始日は、研究者が研究開始日になると考える日付です。
2025年9月10日

一次修了 (実際)

一次修了

臨床研究の最後の参加者が検査された、または主要な結果測定のための最終データを収集するための介入を受けた日付。治験がプロトコルに従って終了したか終了したかは、この日付には影響しません。完了日が異なる複数の主要評価項目を含む臨床研究の場合、この用語は、すべての主要評価項目のデータ収集が完了した日付を指します。 「予想される」一次完了日は、研究者がその研究の一次完了日になると考える日付です。
2026年3月10日

研究の完了 (推定)

研究の完了

臨床研究の最後の参加者が検査された、または介入/治療を受けて、主要な結果の尺度、副次的な結果の尺度、および有害事象の最終データを収集した日付 (つまり、最後の参加者の最後の訪問)。 「予想される」研究完了日は、研究者が研究完了日になると考える日付です。
2026年9月10日

試験登録日

最初に提出

最初に提出

治験依頼者または治験責任医師が初めて治験記録を ClinicalTrials.gov に提出した日付。通常、最初の提出日と ClinicalTrials.gov での記録の利用可能日 (最初の投稿日) の間には数日の遅延があります。
2026年6月1日

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

研究スポンサーまたは治験責任医師が、国立医学図書館 (NLM) の品質管理 (QC) 審査基準と一致する研究記録を最初に提出した日付。治験依頼者または研究者は、NLM の QC 審査基準が満たされるまでに、研究記録を 1 回または複数回修正して提出する必要がある場合があります。研究記録がNLM QC審査基準と一致していることを確認するのは、治験依頼者または治験責任医師の責任です。
2026年6月4日

最初の投稿 (実際)

最初の投稿

国立医学図書館 (NLM) の品質管理 (QC) レビューが終了した後、ClinicalTrials.gov で研究記録が最初に利用可能になった日付。通常、治験依頼者または治験責任医師が治験記録を提出した日と最初に投稿された日との間には数日の遅延があります。
2026年6月5日

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

ClinicalTrials.gov で、研究記録が変更された最新の日付。研究のスポンサーまたは治験責任医師によって変更が ClinicalTrials.gov に提出されたとき (最終更新が提出された日) と最終更新が投稿された日との間に遅延が生じる場合があります。
2026年6月5日

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

治験依頼者または治験責任医師が、国立医学図書館（NLM）の品質管理（QC）審査基準と一致する治験記録の変更を提出した最新の日付。研究記録がNLM QC審査基準と一致していることを確認するのは、治験依頼者または治験責任医師の責任です。
2026年6月4日

最終確認日

最終確認日

治験依頼者または治験責任医師が、ClinicalTrials.gov で臨床治験に関する情報が正確かつ最新であることを確認した最新の日付。募集ステータスが募集中の研究の場合。まだ募集していません。過去 2 年以内に募集が確認されていない場合、研究の募集状況は不明として表示されます。
2026年6月1日

詳しくは

本研究に関する用語

追加の関連 MeSH 用語

その他の研究ID番号

その他の研究ID番号

NCT 番号以外の識別子または ID 番号で、治験依頼者、資金提供者、その他によって臨床治験に割り当てられたもの。これらの番号には、他の治験登録機関や国立衛生研究所の助成金番号からの一意の識別子が含まれる場合があります。
  • SH9H-2025-T196-4

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

いいえ

米国FDA規制機器製品の研究

いいえ

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。

クッキーの設定

当社はCookieを使用して、当社のWebサイトで最高のエクスペリエンスを提供できるようにしています。詳細については、プライバシーとCookieのポリシーをよくお読みください。...>>>ポリシーに記載されているように、WebサイトまたはコンピューターからCookieを削除することにより、いつでも設定を変更したり、同意を取り消すことができます。それを受け入れて、下の[設定の管理]セクションで対応するボックスにチェックマークを付けて、設定を選択してください。このウェブサイトの一部を使用する前に、利用規約をよくお読みください。
«設定の管理