불만족스러운 근관치료와 관련된 방사선학적 특징을 탐지하는 코드가 없는 인공지능
2024년 6월 24일 업데이트: Lars Bjørndal, University of Copenhagen
불만족스러운 근관 치료와 관련된 여러 방사선학적 특징을 감지하는 코드 없는 인공 지능 기반 소프트웨어로 교정 주석 구현: 무작위 대조 시험
이미지 분석을 위한 신경망 기반 모델을 개발하는 데는 시간이 많이 소요될 수 있으며 데이터 세트 설계 및 모델 교육이 필요합니다.
노코드 AI 플랫폼을 사용하면 사용자는 코딩 없이 객체 특징에 주석을 달 수 있습니다.
"루프 속 인간" 접근 방식인 수정 주석은 AI 세분화를 반복적으로 개선합니다.
치과에서는 치아 수복물 분할을 위한 노코드 AI를 통해 성공을 거두었습니다.
이 연구는 "human-in-the-loop" 접근법을 사용하여 근관 치료 품질과 관련된 방사선학적 특징을 평가하는 것을 목표로 합니다.
연구 개요
상세 설명
인공지능(AI), 특히 딥러닝(DL)의 출현은 충치학 및 근관치료 분야에서 방사선학적 특징과 치료 계획을 찾는 데 큰 잠재력을 보여주었습니다.
점차 늘어나는 문헌에서는 DL 모델이 치과 의사가 우식 병변, 치근단 병변과 같은 방사선학적 특징을 감지하고 우식 굴착 치료를 수행할 때 치수 노출 위험을 예측하는 데 도움이 될 수 있다고 제안합니다.
그러나 현재 문헌에는 근관 치료의 기술적 품질과 관련된 특징을 탐지하기 위한 AI 기반 플랫폼에서 참가자와 AI의 상호 작용에 대한 충분한 연구가 부족합니다.
이 전향적 무작위 대조 시험은 근관치료의 기술적 품질과 관련된 특징을 탐지하고 치료의 장기적인 예후를 예측하기 위해 AI 기반 플랫폼을 사용할 때 학생들의 성과를 평가하는 것을 목표로 합니다.
가설은 AI 응답에 접근한 그룹의 참가자의 성과가 AI 응답에 접근하지 않은 통제 그룹과 유사하다는 것입니다.
연구 유형
중재적
등록 (추정된)
80
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, Phd
- 전화번호: 55278370
- 이메일: shaqayeq.ramezanzade@gmail.com
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
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준:
1. 코펜하겐 대학에서 마지막 학년에 치과 학생이 됨
제외 기준:
- 이전에 AI 관련 경험이 있는 경우
- 사전 동의에 서명하는 것을 수락하지 않음
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 더블
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 인공 지능의 안내를 사용하는 참가자
실험 부문은 근관치료의 기술적 품질과 관련된 특징을 탐지하기 위해 AI 기반 플랫폼에 접근할 수 있는 참가자 그룹을 의미합니다.
이 참가자들은 연구 중에 AI 지원을 활용하게 됩니다.
|
시험을 위해 각 학생이 할당된 번호를 사용하여 로그인할 수 있는 안전한 웹사이트가 만들어졌습니다.
모든 이미지 데이터세트가 이 웹사이트에 업로드되었습니다.
학생들은 실험그룹과 통제그룹에 무작위로 배정됩니다.
두 학생 모두 근관 치료의 품질과 관련된 특징을 세분화하고 치료 예후를 예측하도록 요청받았지만, 실험 그룹은 AI 안내에 접근할 수 있었고 통제 그룹은 접근할 수 없었습니다.
|
|
간섭 없음: 인공지능의 안내 없이 컨트롤 암
컨트롤 암은 AI 기반 플랫폼에 접근할 수 없는 참여자로 구성됩니다.
이들은 실험 부문과 동일한 작업이나 평가를 수행하지만 AI의 도움 없이 수행됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
정확성
기간: 데이터 수집을 통해 평균 6개월간
|
정확도는 결과가 실제 값이나 표준과 얼마나 밀접하게 일치하는지를 나타냅니다.
방사선학적 특징을 정확하게 찾고 결과를 예측하는 실험 및 통제 그룹의 참가자의 정확성은 우리의 주요 결과 중 하나입니다.
비교를 위한 참고자료는 치과 분야 전문가 3인의 합의입니다.
|
데이터 수집을 통해 평균 6개월간
|
|
감광도
기간: 데이터 수집을 통해 평균 6개월간
|
이 측정값은 모든 양성 사례 중에서 참양성 결과(올바르게 식별된 사례)의 비율을 정량화합니다.
민감도가 높다는 것은 상태를 잘 감지한다는 것을 의미합니다.
방사선학적 특징을 정확하게 찾고 결과를 예측하는 데 있어 실험군과 대조군 참가자의 민감도는 우리의 주요 결과 중 하나입니다.
비교는 치과학 전문가 3인의 합의된 판단과 비교됩니다.
|
데이터 수집을 통해 평균 6개월간
|
|
특성
기간: 데이터 수집을 통해 평균 6개월간
|
특이성은 모든 부정적인 사례 중에서 실제 부정적인 결과의 비율을 측정합니다.
방사선학적 특징을 정확하게 찾고 결과를 예측하는 데 있어 실험군과 대조군 참가자의 특이성은 우리의 주요 결과 중 하나입니다.
비교는 치과학 전문가 3인의 합의된 판단과 비교됩니다.
|
데이터 수집을 통해 평균 6개월간
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Lars Bjørndal, Prof., University of Copenhagen Department of Odontology Cariology and Endodontics
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 (추정된)
2024년 7월 30일
기본 완료 (추정된)
2024년 11월 13일
연구 완료 (추정된)
2024년 12월 13일
연구 등록 날짜
최초 제출
2024년 5월 25일
QC 기준을 충족하는 최초 제출
2024년 6월 7일
처음 게시됨 (실제)
2024년 6월 10일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 6월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 6월 24일
마지막으로 확인됨
2024년 6월 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. .