AI 기반 플랫폼을 위한 치과 학생 교육의 영향
2024년 1월 5일 업데이트: University of Copenhagen
깊은 우식 발굴 전에 치수 노출 예측을 위한 새로운 인공 지능 기반 플랫폼을 사용하기 위한 치과 학생 교육의 영향: 무작위 통제 시험
인공 지능(AI) 및 특히 딥 러닝(DL)의 출현은 우식학 및 근관 치료 분야에서 방사선학적 특징 및 치료 계획을 찾는 데 큰 잠재력을 보여주었습니다.
점점 더 많은 문헌에서 DL 모델이 우식 병변, 치근단 병변과 같은 방사선학적 특징을 감지하고 우식 발굴 치료를 수행할 때 치수 노출 위험을 예측하는 데 치과 의사를 도울 수 있다고 제안합니다.
그러나 현재 문헌은 AI 기반 플랫폼을 사용하기 위한 치과 의사의 충분한 교육 효과에 대한 충분한 연구가 부족합니다.
이 전향적 무작위 통제 시험은 충분한 사전 교육이 있거나 없는 치수 노출 예측을 위해 AI 기반 플랫폼을 사용할 때 학생들의 성과를 평가하는 것을 목표로 합니다.
가설은 충분한 훈련을 받은 그룹의 참가자 성과가 충분한 훈련을 받지 않은 그룹과 비슷하다는 것입니다.
연구 개요
연구 유형
중재적
등록 (실제)
20
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Shaqayeq Ramezanzade, DDS
- 전화번호: 004555278370
- 이메일: shaqayeq.ramezanzade@sund.ku.dk
연구 연락처 백업
- 이름: Lars Bjørndal, Prof.
- 전화번호: 004531228102
- 이메일: labj@sund.ku.dk
연구 장소
-
-
-
Copenhagen, 덴마크, 2200
- University of Copenhagen Department of Odontology Cariology and Endodontics Section for Clinical Oral Microbiology
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준:
- 자발적으로 참여할 의향이 있고 동의서에 서명한 코펜하겐 대학의 4학년 및 5학년 치과 학생일 것입니다.
- AI에 대한 사전 지식과 경험이 제한적이거나 전혀 없음
제외 기준:
- 없음
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 다른
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 더블
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 교육 세션을 받는 치수 노출의 위험을 평가하기 위해 AI 플랫폼을 사용하는 학생
학생들은 온라인 플랫폼에서 시험을 치르기 전에 1시간 동안 실습 교육을 받게 됩니다. 이 세션에는 방사선과 AI의 기본 측면, 우식학 및 근관치료를 위한 CNN(Convolutional Neural Network) 응용, 발굴 치료 및 치수 노출의 기초와 관련된 이론 세션이 포함됩니다. 이론적 부분에 이어 참가자들이 깊은 충치가 있는 치아 11가지 사례를 확인하고 충치와 치수 사이의 가장 가까운 선을 찾는 실습 세션이 이어집니다. 그러면 우식발굴치료를 받는 케이스의 전처리 엑스레이가 업로드되는 웹사이트에 로그인할 수 있게 된다. 에 대한 학생들의 성과가 평가될 것입니다. |
실험 그룹의 학생들은 온라인 플랫폼에 로그인하기 전에 1시간 동안 실습 교육을 받습니다.
이 세션은 AI 경험이 있는 치과의사가 발표할 예정이며 이 세션에서는 방사선과에서 AI의 기본 측면, 우식학 및 근관치료를 위한 딥러닝(DL) 응용, 발굴 치료 및 치수 노출의 기본 사항을 제시합니다.
이론적 부분에 이어 각 참가자가 깊은 충치가 있는 치아의 11가지 사례를 확인하고 충치와 치수 사이의 가장 가까운 선을 찾는 실습 세션이 이어집니다.
그들의 공연은 교육 세션 발표자가 감독하고 잘못된 라인을 만드는 경우 올바른 라인이 표시됩니다.
|
|
간섭 없음: 교육 세션 없이 치수 노출의 위험을 평가하기 위해 AI 플랫폼을 사용하는 학생
학생들은 실험을 시작하기 전에 어떠한 교육도 받지 않습니다.
웹사이트의 질문에 답하기 위한 가이드로 5분짜리 비디오만 재생됩니다.
그러면 우식발굴치료를 받는 케이스의 전처리 엑스레이가 업로드되는 웹사이트에 로그인할 수 있게 된다.
에 대한 학생들의 성과가 평가될 것입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI 기반 플랫폼에서 훈련 세션 유무에 따른 치수 노출 예측에서 학생의 정확도에 따른 성능
기간: 30 일
|
두 그룹(교육 세션 포함 및 제외)에서 학생들의 정확도를 함께 측정하고 비교합니다.
각 학생의 정확도 측정은 치수 노출 발생의 올바른 예측 수를 전체 예측으로 나눈 값으로 계산됩니다.
|
30 일
|
|
AI 기반 플랫폼에서 훈련 세션 유무에 따른 치수 노출 예측에서 학생의 민감도에 따른 성과
기간: 30 일
|
두 그룹(교육 세션 포함 및 제외)에서 학생들의 민감도를 함께 측정하고 비교합니다.
치수 노출(참양성)으로 예측된 실제 치수 노출 사례의 비율을 기반으로 합니다.
|
30 일
|
|
AI 기반 플랫폼에서 교육 세션 유무에 따른 치수 노출 예측에서 학생들의 특이성에 따른 성과
기간: 30 일
|
두 그룹(교육 세션 포함 및 제외)에서 학생의 특이성을 함께 측정하고 비교합니다.
치수 노출이 없는 사례로 정확하게 예측된 실제 '치수 노출 없음' 사례의 비율을 기반으로 합니다(참 음성).
|
30 일
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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)
2023년 8월 20일
기본 완료 (실제)
2023년 12월 20일
연구 완료 (실제)
2024년 1월 1일
연구 등록 날짜
최초 제출
2023년 5월 24일
QC 기준을 충족하는 최초 제출
2023년 6월 12일
처음 게시됨 (실제)
2023년 6월 22일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2024년 1월 8일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 1월 5일
마지막으로 확인됨
2024년 1월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- 504-0342/22-5000
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
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. .