人工知能対従来デジタルデザインによる固定性歯科補綴物
固定性歯科補綴物のための人工知能と従来のデジタルデザインの精度評価: (インビトロ研究)
このin vitro研究は、従来のコンピュータ支援設計（CAD）ソフトウェアと比較して、固定歯科補綴物（FDP）の人工知能（AI）ベースの自動設計システムの精度を評価することを目的としています。 固定歯科補綴物を必要とする歯のデジタルスキャンを収集し、2つのアプローチを用いて補綴物の設計を生成します：人間が設計したCAD修復物とAIが生成した修復物です。
主要評価項目は、3D重ね合わせとIntersection over Union（IOU）パーセンテージを用いて評価される設計精度です。 副次評価項目には、F1スコア、精度、再現率を用いて測定されるマージン検出性能が含まれます。 合計438スキャンのサンプルサイズを分析します。
本研究は、AI生成の補綴物設計が従来のデジタル設計と同等の精度を示すかどうかを判断します。
調査の概要
詳細な説明
本研究は、従来のコンピュータ支援設計（CAD）ソフトウェアと比較して、固定式歯科補綴物（FDP）の人工知能（AI）ベースの自動設計システムの精度と性能を評価するためのin vitro比較試験として設計されています。
固定式歯科補綴物を必要とする患者のデジタルスキャンは、歯学部の製作研究所から収集されます。対象となるスキャンには、FDPを必要とする損傷歯を持つ18歳から65歳までの成人で、分析に適した咬合解剖学を有するものが含まれます。
AIワークフローは、訓練（60％）、検証（10％）、テスト（30％）の3つの連続した段階で構成されています。AIモデルは、自然な空間的歯形態および過去の人間が設計したFDPデータセットを使用して訓練されます。従来群は、経験豊富な歯科専門家がCADソフトウェアを使用して手動で設計したFDPで構成されます。
主要アウトカム：
主要アウトカムは、3D重ね合わせ分析を用いて測定され、Intersection over Union（IOU）パーセンテージで定量化されるクラウン設計精度です。
副次アウトカム：
マージン検出精度は、F1スコア、精度、再現率の指標を用いて評価されます。
統計解析はMedCalcソフトウェア（バージョン22）を使用して実施されます。連続変数は、平均、二乗平均平方根、標準偏差として提示されます。群間の比較は、有意水準をP ≤ 0.05（両側）に設定した対応のあるt検定を用いて行われます。
帰無仮説は、AI設計と人間が設計した固定式歯科補綴物の間に統計的に有意な差がないと述べています。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究場所
-
-
-
Giza、エジプト
- 募集
- MSA university
-
コンタクト：
- Modern Sciences and Arts MSA October University for Modern Sciences and Arts
- 電話番号：002-0216672
- メール：info@msa.edu.eg
-
-
参加基準
適格基準
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
説明
適格基準：
- 18歳から65歳までの成人 固定性歯科補綴物を必要とする損傷歯を有する患者 利用可能なデジタル口腔内スキャン 対合歯分析のための適切な咬合解剖学的構造
除外基準：
- 不完全または品質不良なデジタルスキャン 分析に影響を与える重度の咬合異常 指定年齢範囲外の患者
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
- 主な目的：診断
- 割り当て：ランダム化
- 介入モデル：並列代入
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
他の：ヒューマンデザイン固定歯科補綴物（従来型CAD）
固定歯科補綴物は、咬合解剖学と患者固有のスキャンデータに基づいて、経験豊富な歯科専門家が従来のCADソフトウェアを使用して手動で設計します。
この設計は、3D重ね合わせ分析を使用してAI生成設計の精度を評価するための対照比較対象として機能します。
|
固定性歯科補綴物は、経験豊富な歯科専門家により、従来のコンピュータ支援設計（CAD）ソフトウェアを使用してデジタル設計されます。
設計は、咬合解剖学と患者固有の口腔内スキャンデータに基づいて行われます。
これらの手動で生成されたデジタル設計は、3D重ね合わせと定量的精度分析を使用して、AI生成設計との精度を評価するための比較対象として機能します。
他の名前：
|
|
他の：AI設計固定歯科補綴物
固定性歯科補綴物は、人工知能ベースの設計システムを用いて自動生成されます。
AIモデルは、咬合スキャンデータセットおよび過去の人間による設計補綴物を用いて学習、検証、テストされます。
生成された設計の精度は、3D重ね合わせおよびIntersection over Union（IoU）解析を用いて評価されます。
|
人工知能ベースの自動設計システムは、深層学習アルゴリズムを使用して固定歯科補綴物の設計を生成します。
AIモデルは、咬合スキャンデータセットと過去の人間が設計した補綴物に対して、訓練（60％）、検証（10％）、テスト（30％）が行われます。
生成された設計は、3D重ね合わせとIntersection over Union（IoU）分析を使用して、精度と辺縁適合性が評価されます。
他の名前：
|
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 |
|---|---|---|
|
AIが設計した固定性歯科補綴物と人間が設計した補綴物の精度比較
時間枠：クラウン設計生成直後（デジタル分析時）
|
精度は、AIが生成したクラウン設計と人間が設計したクラウンを3Dイメージングソフトウェアを使用して重ね合わせることによって評価されます。
Intersection over Union (IOU) の割合を計算し、2つの設計アプローチ間の形態的一致と咬合適合を評価します。
|
クラウン設計生成直後（デジタル分析時）
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
AIシステムのマージン検出性能
時間枠：デジタルクラウン設計生成直後
|
マージン検出精度は、F1スコア、適合率、再現率のメトリクスを使用して評価され、人間が設計した参照モデルと比較して、AIモデルが正確に準備マージンを識別する能力を評価します。
|
デジタルクラウン設計生成直後
|
協力者と研究者
出版物と役立つリンク
一般刊行物
- Wu Z et al., 2024 Comparison of the Efficacy of Artificial Intelligence-Powered Software in Crown Design: An In Vitro Study. International Dental Journal. 2024.
- Ding H et al., 2023 Morphology and mechanical performance of dental crown designed by 3D-DCGAN. Dental Materials. 2023.
- Chau RCW et al., 2024 Accuracy of artificial intelligence-designed single-molar dental prostheses: A feasibility study. Journal of Prosthetic Dentistry. 2024.
研究記録日
主要日程の研究
研究開始 (実際)
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。