小児における歯垢検出の AI モデルと臨床評価の精度の比較
さまざまな人工知能モデルを使用した口腔内画像からの歯垢検出の精度と、小児グループにおける臨床評価の比較: 診断精度研究。
調査の概要
詳細な説明
研究タイトル:
さまざまな人工知能モデルを使用した口腔内画像からの歯垢検出の精度と、小児グループにおける臨床評価の比較: 診断精度研究
研究の概要:
この観察的診断精度研究は、資格のある歯科医師が実施する従来の臨床評価と比較して、口腔内画像から歯垢を検出する際の複数の人工知能 (AI) モデルのパフォーマンスを評価するように設計されています。 小児の口腔健康を維持するには歯垢の早期発見と管理が重要であるため、主に小児患者に焦点を当てています。
背景と理論的根拠:
歯垢は歯に形成されるバイオフィルムであり、適切に管理しないと虫歯や歯周病を引き起こす可能性があります。 従来のプラーク検出方法は、歯科専門家による視覚的評価に依存していますが、主観的なものとなり、精度が異なる場合があります。 AI と画像処理の最近の進歩により、口腔内画像による歯垢の検出と定量化が強化され、より客観的で効率的な評価ツールが提供される可能性があります。
目的:
歯垢検出における AI モデルの精度を臨床評価と比較します。
AI テクノロジーの感度、特異度、および全体的な診断パフォーマンスを判断するため。
AI モデルが小児患者の日常的な歯科検査に統合される可能性を分析する。
方法論:
参加者: 小児患者のサンプルが募集され、さまざまな人口統計や歯の健康状態を多様に代表することが保証されます。
画像取得: 口腔内画像は、一貫性を確保するために標準化された画像プロトコルを使用して取得されます。 高解像度の画像は、変動を最小限に抑えるために制御された条件下で取得されます。
AI モデル: 畳み込みニューラル ネットワーク (CNN) や深層学習技術を含むさまざまな AI アルゴリズムは、注釈付きの口腔内画像のデータセットを使用してトレーニングされます。 これらのモデルは、歯垢を識別および定量化する能力に基づいて評価されます。
臨床評価: 訓練を受けた歯科医師が、標準的な歯垢指数を使用して臨床検査を実施し、同じコホートの小児における歯垢の存在と重症度を評価します。
データ分析: AI モデルの診断精度を臨床評価と比較するために、感度、特異度、陽性的中率、陰性的中率の計算などの統計的手法が使用されます。
期待される結果:
この研究は、小児の歯垢の検出を強化する際の AI の役割を解明し、予防ケアと治療戦略の改善につながる可能性を明らかにすることを目的としています。 この発見は、歯科医師向けの AI 支援ツールの開発にも貢献する可能性があります。
倫理的考慮事項:
この研究は倫理ガイドラインに準拠し、小児参加者の法的保護者からインフォームド・コンセントが確実に得られるようにします。 研究の開始前に、関連する治験審査委員会（IRB）からの承認が確保されます。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Naema Altrablsi
- 電話番号：00201152442411
- メール：naema.altrablsi@dentistry.cu.edu.eg
研究連絡先のバックアップ
- 名前：Hala Mohiey Eldin, Prof. Doctor
- 電話番号：00201001459467
- メール：hala.mohyeldin@dentistry.cu.edu.eg
研究場所
-
-
-
Cairo、エジプト、11511
- Cairo University
-
コンタクト：
- cairo universitty
- 電話番号：0020238355275
- メール：naema.altrablsi@dentistry.cu.edu.eg
-
主任研究者：
- Naema Ahmed
-
-
参加基準
適格基準
就学可能な年齢
- 子
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
説明
包含基準:
.研究参加者：年齢範囲（7～12歳）内の子供。 金属クラウンやアマルガム修復物のない歯。
除外基準:
- 発達上のエナメル質欠陥のある子供
- 協力したくない子供や知的障害のある子供は、写真を撮られることを禁止されています。 法的保護者である子供は研究への参加を承認しません。
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
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
歯科医による評価のための歯垢のある子供の口腔内画像
介入の概要: 参加者は [口腔内カメラ] を使用して口腔内イメージングを受けます。 介入の概要: 訓練を受けた歯科医師または歯科衛生士が、標準的な臨床基準を使用して各小児の歯垢レベルの臨床評価を実施します。 評価方法: 臨床評価には視覚検査が含まれ、存在するプラークの量を評価するためにプラーク指数を使用する場合があります。 データの収集と分析: 結果の測定: AI モデルと臨床評価の結果が比較され、感度、特異度、陽性的中率、陰性的中率などの診断精度指標が計算されます。 |
|
|
AI モデルによる評価のための歯垢のある小児の口腔内画像
介入の概要: 参加者は [口腔内カメラ] を使用して口腔内イメージングを受けます。 AI モデル: 画像は、歯垢検出用に設計されたさまざまな AI モデルを使用して分析されます。 データの収集と分析: 結果の測定: AI モデルと臨床評価の結果が比較され、感度、特異度、陽性的中率、陰性的中率などの診断精度指標が計算されます。 |
説明: 資格のある歯科医師が、標準的な検査技術を使用して参加者の歯垢を評価する従来の臨床検査を実施します。 これは、AI モデルを比較するための参照標準として機能します。 研究手順 画像取得: [口腔内カメラ]を使用して各参加者の口腔内画像が撮影されます。 AI モデルの評価: キャプチャされた画像は、次のようなさまざまな AI アルゴリズムを使用して分析されます。 |
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
歯垢検出の精度
時間枠：主要アウトカムはベースラインで評価されます 介入の前に、口腔内画像が撮影され、AI モデルと臨床評価を使用して評価されます。
|
主要評価項目では、口腔内画像から歯垢を検出する際のさまざまな人工知能モデルの診断精度を臨床評価と比較して評価します。
|
主要アウトカムはベースラインで評価されます 介入の前に、口腔内画像が撮影され、AI モデルと臨床評価を使用して評価されます。
|
協力者と研究者
スポンサー
捜査官
- スタディディレクター：Cairo University、Cairo University
研究記録日
主要日程の研究
研究開始 (推定)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
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
詳しくは
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。