인공 지능으로 설계된 단일 치아 치과 보철물
2025년 9월 29일 업데이트: Prof. Walter Y.H. Lam, The University of Hong Kong
보철학에서의 인공지능 - 상악 단일 치아 보철물의 설계
치아 상실은 흔하며 결과적으로 환자의 건강과 삶의 질을 악화시킵니다.
치아 보철물은 상실된 치아를 대체하여 환자의 외모와 기능을 회복시키는 것을 목표로 합니다.
건강한 자연 치아의 교합 형태와 3D 위치는 치과 보철물(생체 모방)에 의해 채택되어야 합니다.
CAD(Computer-assisted Design) 소프트웨어가 치과 보철물을 설계하는 데 사용할 수 있음에도 불구하고 치과 보철물을 환자의 교합(치아 대 치아 관계)에 맞추려면 여전히 상당한 임상 시간이 필요합니다.
개별 피험자의 치아는 유전적으로 제어되고 대부분 동일한 구강 환경에 노출되므로 치아의 교합 형태와 3D 위치는 상호 관련됩니다.
인공지능(AI)이 남아있는 치열의 특징으로부터 단일치아 보철물 설계를 자동화할 수 있다는 가설을 세웠다.
연구 개요
상세 설명
목표:
- 3D 모델의 기능을 해석하고 학습하는 네 가지 딥 러닝 방법/알고리즘을 비교합니다.
- AI 시스템과 상악 치아 모델 단독을 상악 및 하악(길항제) 모델과 비교하기 위해
- 훈련된 AI와 치과 기공사가 디자인한 단일 치아 보철물의 교합 형태와 3D 위치를 비교합니다.
행동 양식:
먼저 조사관은 훈련 모델로 상악 치아 모델 200개를 수집합니다. AI는 딥 러닝 방법/알고리즘에 따라 3D GAN(Generative Adversarial Network)을 사용하여 개별 치아와 나머지 치열 사이의 관계를 학습합니다.
그룹 1) 복셀 기반; 그룹 2) 보기 기반; 그룹 3) 포인트 기반; 및 그룹 4) 융합 방법. 조사관은 검증 모델 역할을 하는 또 다른 100개의 상악 모델을 수집합니다. 조사관은 각 모델에서 치아(대조군 역할)를 제거합니다. 그런 다음 조사관은 단일 결손 치아의 교합 형태 및 3D 위치를 예측할 때 이러한 딥 러닝 알고리즘을 평가합니다.
둘째, 조사관은 100개의 검증 모델에서 단일 결손 치아의 교합 형태 및 3D 위치를 예측하는 데 대합치 모델의 필요성을 평가합니다.
그룹 i) 상악 모델만, 그룹 ii) 대합치 모델을 사용하여 목표(1)에서 테스트된 딥 러닝 알고리즘을 사용합니다.
셋째, 조사관은 다음에 의해 설계된 치과 보철물의 기하학적 형태 측정 및 3D 위치를 분석합니다.
그룹 a) 훈련된 AI 시스템; 그룹 b) 실제 모델의 치과 기공사; 및 그룹 c) CAD 소프트웨어를 사용하는 치과기공사. 조사관은 100개의 검증 모델에서 이 치아를 해당 자연 치아(대조군)와 비교합니다.
또한 조사관은 이 그룹의 치아 디자인에 필요한 시간을 2차 결과로 분석합니다.
연구 유형
관찰
등록 (실제)
250
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
-
Sai Ying Pun, 홍콩
- Prince Philip Dental Hospital
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
예
샘플링 방법
비확률 샘플
연구 인구
- Prince Philip Dental Hospital에 참석/출석한 환자
- 홍콩대학교 치의학부 치과학부생
설명
포함 기준:
- 상악 교합면을 결정하기에 충분한 치열을 가진 피험자
- 12개 이상의 폐색쌍과 안정적인 교두간 위치를 가진 피험자
- 형태를 크게 변경하지 않은 치아 수복물이 있는 피험자
- 교정치료를 받지 않았거나 45도 이상 회전 및/또는 1.5mm 이상 변위된 치아가 없는 피험자
- 광둥 출신의 피험자.
제외 기준:
- 병리학적 치아 이동 및 교합면의 변경이 있는 치주 질환이 있는 피험자.
- 18세 미만이고 동의할 수 없는 피험자.
- 형태에 영향을 미치는 광범위한 치아 수복물이 있는 피험자.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 케이스 컨트롤
- 시간 관점: 단면
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
제어
포함/제외 기준을 충족하는 피험자의 원본 3D 상악 치아 모델
|
|
|
시험
포함/제외 기준을 충족하는 피험자의 3D 상악 치아 모델. 오른쪽 제1대구치(FDI 번호 16)를 컴퓨터에서 제거한 후 인공지능(AI) 시스템으로 설계합니다. AI 시스템은
|
상악 우측 제1대구치는 컴퓨터에서 제거하고 인공지능 시스템으로 설계합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
치아의 3D 위치
기간: 학습 모델의 25%를 AI가 최대 6개월 동안 연구했을 때 결과가 측정됩니다.
|
컴퓨터에 의해 자동으로 결정되는 치아의 중심
|
학습 모델의 25%를 AI가 최대 6개월 동안 연구했을 때 결과가 측정됩니다.
|
|
치아의 3D 위치
기간: 최대 12개월 동안 학습 모델의 50%가 AI로 연구되었을 때 결과가 측정됩니다.
|
컴퓨터에 의해 자동으로 결정되는 치아의 중심
|
최대 12개월 동안 학습 모델의 50%가 AI로 연구되었을 때 결과가 측정됩니다.
|
|
치아의 3D 위치
기간: 학습 모델의 75%가 AI에 의해 최대 18개월 동안 연구되었을 때 결과가 측정됩니다.
|
컴퓨터에 의해 자동으로 결정되는 치아의 중심
|
학습 모델의 75%가 AI에 의해 최대 18개월 동안 연구되었을 때 결과가 측정됩니다.
|
|
치아의 3D 위치
기간: 최대 24개월까지 모든 모델의 100% AI가 학습된 전체 학습 후 결과가 측정됩니다.
|
컴퓨터에 의해 자동으로 결정되는 치아의 중심
|
최대 24개월까지 모든 모델의 100% AI가 학습된 전체 학습 후 결과가 측정됩니다.
|
|
치아의 교합 형태
기간: 학습 모델의 25%를 AI가 최대 6개월 동안 연구했을 때 결과가 측정됩니다.
|
교합면의 교두(가장 높은 지점)와 포사(가장 낮은 지점)
|
학습 모델의 25%를 AI가 최대 6개월 동안 연구했을 때 결과가 측정됩니다.
|
|
치아의 교합 형태
기간: 최대 12개월 동안 학습 모델의 50%가 AI로 연구되었을 때 결과가 측정됩니다.
|
교합면의 교두(가장 높은 지점)와 포사(가장 낮은 지점)
|
최대 12개월 동안 학습 모델의 50%가 AI로 연구되었을 때 결과가 측정됩니다.
|
|
치아의 교합 형태
기간: 최대 18개월 동안 학습 모델의 75%가 AI로 연구되었을 때 결과가 측정됩니다.
|
교합면의 교두(가장 높은 지점)와 포사(가장 낮은 지점)
|
최대 18개월 동안 학습 모델의 75%가 AI로 연구되었을 때 결과가 측정됩니다.
|
|
치아의 교합 형태
기간: 최대 24개월까지 모든 모델의 100% AI가 학습된 전체 학습 후 결과가 측정됩니다.
|
교합면의 교두(가장 높은 지점)와 포사(가장 낮은 지점)
|
최대 24개월까지 모든 모델의 100% AI가 학습된 전체 학습 후 결과가 측정됩니다.
|
|
기공소 설계 및 의치 보철물의 임상 전달에 소요된 시간
기간: 최대 24개월까지 모든 모델의 100% AI가 학습된 전체 학습 후 결과가 측정됩니다.
|
A) 디자인 및 b) 치과 보철물 제공에 소요되는 시간(분)
|
최대 24개월까지 모든 모델의 100% AI가 학습된 전체 학습 후 결과가 측정됩니다.
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Walter Lam, BDS, MDS, The University of Hong Kong
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Chow TW, Clark RK, Cooke MS. The orientation of the occlusal plane in Cantonese patients. J Dent. 1986 Dec;14(6):262-5. doi: 10.1016/0300-5712(86)90034-5. No abstract available.
- Chow TW, Clark RK, Cooke MS. Errors in mounting maxillary casts using face-bow records as a result of an anatomical variation. J Dent. 1985 Dec;13(4):277-82. doi: 10.1016/0300-5712(85)90021-1. No abstract available.
- Lam WY, Hsung RT, Choi WW, Luk HW, Pow EH. A 2-part facebow for CAD-CAM dentistry. J Prosthet Dent. 2016 Dec;116(6):843-847. doi: 10.1016/j.prosdent.2016.05.013. Epub 2016 Jul 28.
- Lam WYH, Hsung RTC, Choi WWS, Luk HWK, Cheng LYY, Pow EHN. A clinical technique for virtual articulator mounting with natural head position by using calibrated stereophotogrammetry. J Prosthet Dent. 2018 Jun;119(6):902-908. doi: 10.1016/j.prosdent.2017.07.026. Epub 2017 Sep 29.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2021년 9월 1일
기본 완료 (실제)
2024년 9월 1일
연구 완료 (실제)
2025년 5월 30일
연구 등록 날짜
최초 제출
2021년 9월 9일
QC 기준을 충족하는 최초 제출
2021년 9월 22일
처음 게시됨 (실제)
2021년 9월 27일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2025년 10월 3일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 9월 29일
마지막으로 확인됨
2025년 9월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .