충치 탐지 중 치과 의사의 의사 결정 과정에 대한 인공 지능이 영향 (DECIDE-AI)
2025년 6월 10일 업데이트: Radboud University Medical Center
결정 -AI : 우식 탐지 중 치과 의사의 의사 결정 과정에 대한 인공 지능의 영향 : 무작위 통제 연구
이 연구는 우식 병변 탐지 후 중재를위한 의사 결정 과정에 대한 인공 지능 (AI)의 영향을 평가하는 것을 목표로합니다.
참가자는 네덜란드에서 일하는 치과 의사가 무작위로 두 그룹으로 나뉩니다.
치과 의사는 두 그룹으로 나누어지고 비트 웨딩 방사선 사진 세트를 받게되며, 먼저 그룹에 따라 AI 지원 유무에 관계없이 평가됩니다.
참가자들은 방사선 사진의 충치 병변을 조사하고 그에 따라 치료 계획을 수립합니다.
그런 다음, 한 달의 세척 기간 후, 동일한 방사선 사진이지만 AI지지의 반대 조건에서, 현재 충치 병변에 따라 치료 제안을 다시 공식화합니다.
연구 개요
상세 설명
이 크로스 오버 무작위 대조 시험은 우식 검출 방사선 사진에 따른 치과 의사의 치료 계획에 대한 인공 지능 (AI) 의사 결정 지원의 영향을 평가합니다.
이 연구는 AI가 진단 해석 및 후속 치료 제안에 어떤 영향을 미치는지 평가함으로써 임상 의사 결정 과정을 목표로합니다.
치과 의사는 무작위로 두 개의 연구 무기에 배정됩니다.
각 참가자는 두 가지 조건에서 표준화 된 디지털 비트 방사선 사진 세트를 평가합니다. 한 번 AI 지원을 받고 1 개월간 세척 기간으로 분리되어 리콜 바이어스를 최소화합니다.
AI 도구는 방사선 분석에 기초하여 우식 탐지 프롬프트를 제공하지만 치료를 제안하지는 않습니다.
크로스 오버 설계는 개별 진단 임계 값을 제어하여 개체 내 비교를 가능하게합니다.
방사선 사진은 AI 지원의 영향을 분리하기 위해 두 단계에서 일정하게 유지됩니다.
이 연구는 AI 지원 유무에 관계없이 진단 성능 및 임상 결정 결과에 중점을 둡니다.
치료 결정은 치료, 비 침습적 치료 (예 : 불소 적용, 연마, 밀봉) 및 침습적 중재 (예 : 회복 치료)의 세 가지 사전 정의 수준으로 분류됩니다.
진단 정확도는 기준 표준에 대해 측정되며 민감도와 특이성 측면에서보고됩니다.
우식 탐지는 수정 된 국제 우식 분류 및 관리 시스템 (ICCM)을 사용하여 분류됩니다.
이 연구 설계는 AI의 진단 성능에 대한 AI의 영향과 치료 접근 방식의 잠재적 변화에 대한 영향을 정량화 할 수 있습니다.
이 연구는 AI 도구를 임상 치과 실습에 통합하는 것에 대한 증거 기반 지침에 기여하는 것을 목표로합니다.
연구 유형
중재적
등록 (추정된)
25
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Gelderland
-
Nijmegen, Gelderland, 네덜란드, 6525 EX
- Department of Dentistry Radboud Uniersity Medical Center
-
연락하다:
- Dilek Sezen-Hulsmans, Dentist
- 전화번호: 00491708975313
- 이메일: dilek.sezen-hulsmans@radboudumc.nl
-
연락하다:
- Dr. Cenci
- 이메일: Max.Cenci@radboudumc.nl
-
수석 연구원:
- Dilek Sezen-Hulsmans, Dental Medical Doctor
-
수석 연구원:
- Dr. Cenci
-
-
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
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준 :
- 치과 의사를 연습하고 졸업했습니다.
- 최소 3 년의 경험
제외 기준 :
- 은퇴 한 치과 의사.
- 전형적인 관행에 일상적인 충치 진단 및 치료 계획이 포함되지 않는 경우 전문 실무자 (예 : 치열 교정 사 및 구강 외과 의사).
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: 크로스오버 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
활성 비교기: 1 단계 : AI, 2 단계없이 충치 감지 : AI 로의 충치 감지
이 그룹에서 참가자는 AI 지원없이 방사선 사진의 충치 병변을 검사합니다.
그런 다음 한 달의 세척 기간 후 모든 참가자는 AI와 동일한 방사선 사진을 재검토합니다.
|
AI 기반 진단 프로그램은 진단 성능을 향상시키는 것으로 입증되었지만 치료 결정에 미치는 영향에 대한 연구는 거의 없습니다.
AI의 정확성 또는 치과 의사의 정확성 증가에 중점을 둔 다른 연구와는 달리,이 연구는 AI에 의해 지원 될 때와 충치 탐지 중에는 그렇지 않을 때 치과 의사의 치료 권장 사항의 차이를 조사하는 것을 목표로합니다.
|
|
활성 비교기: 1 단계 : AI 로의 충치, 2 단계 : AI없이 우아한 탐지
이 그룹에서 참가자는 AI 지원을 먼저 방사선 사진의 우식 병변을 검사합니다.
그런 다음 한 달의 세척 기간 후 모든 참가자는 AI없이 동일한 방사선 사진을 재검토합니다.
|
AI 기반 진단 프로그램은 진단 성능을 향상시키는 것으로 입증되었지만 치료 결정에 미치는 영향에 대한 연구는 거의 없습니다.
AI의 정확성 또는 치과 의사의 정확성 증가에 중점을 둔 다른 연구와는 달리,이 연구는 AI에 의해 지원 될 때와 충치 탐지 중에는 그렇지 않을 때 치과 의사의 치료 권장 사항의 차이를 조사하는 것을 목표로합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
치료 결정 : AI 지원이 있거나없는 충치 병변에 대한 치과 의사의 치료 권장 사항을 비교하십시오.
기간: 각 참가자는 최대 2 개월 동안 평가됩니다 (평가 단계와 세척 기간 모두 포함).
|
주어진 옵션은 "치료 없음", "비 침습적 치료"(불소 바니시, 연마, 밀봉) 및 "복원"입니다. 참가자의 답변은 참조 표준과 비교됩니다. |
각 참가자는 최대 2 개월 동안 평가됩니다 (평가 단계와 세척 기간 모두 포함).
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
충치 감지의 진단 정확도
기간: 각 참가자는 최대 2 개월 동안 평가됩니다 (평가 단계와 세척 기간 모두 포함).
|
RA0 : 방사성 방사성 - 가시적 인 충치 없음. RA1 : 에나멜 - 에나멜 충치의 외부 절반에 한정된 방사선 수성. RA2 : 에나멜의 내부 절반으로 연장되지만 상아질 에나멜 충치에 도달하지는 않습니다. RA3 : 상아질 대변 우식의 외부 3 분의 1로 연장되는 방사성. RA4 : 상아질의 고급 상아질 우식의 중간으로 연장되는 방사선 억제. RA5 : 상아질의 내부 3 분의 1- 심한 상아질 우식. 참가자의 답변은 참조 표준과 비교됩니다. |
각 참가자는 최대 2 개월 동안 평가됩니다 (평가 단계와 세척 기간 모두 포함).
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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
- Khanagar SB, Al-Ehaideb A, Maganur PC, Vishwanathaiah S, Patil S, Baeshen HA, Sarode SC, Bhandi S. Developments, application, and performance of artificial intelligence in dentistry - A systematic review. J Dent Sci. 2021 Jan;16(1):508-522. doi: 10.1016/j.jds.2020.06.019. Epub 2020 Jun 30.
- Panyarak W, Wantanajittikul K, Suttapak W, Charuakkra A, Prapayasatok S. Feasibility of deep learning for dental caries classification in bitewing radiographs based on the ICCMS radiographic scoring system. Oral Surg Oral Med Oral Pathol Oral Radiol. 2023 Feb;135(2):272-281. doi: 10.1016/j.oooo.2022.06.012. Epub 2022 Jul 2.
- Ayan E, Bayraktar Y, Celik C, Ayhan B. Dental student application of artificial intelligence technology in detecting proximal caries lesions. J Dent Educ. 2024 Apr;88(4):490-500. doi: 10.1002/jdd.13437. Epub 2024 Jan 10.
- Mertens S, Krois J, Cantu AG, Arsiwala LT, Schwendicke F. Artificial intelligence for caries detection: Randomized trial. J Dent. 2021 Dec;115:103849. doi: 10.1016/j.jdent.2021.103849. Epub 2021 Oct 14.
- Laske M, Opdam NJM, Bronkhorst EM, Braspenning JCC, van der Sanden WJM, Huysmans MCDNJM, Bruers JJ. Minimally Invasive Intervention for Primary Caries Lesions: Are Dentists Implementing This Concept? Caries Res. 2019;53(2):204-216. doi: 10.1159/000490626. Epub 2018 Aug 14.
- Ammar N, Kuhnisch J. Diagnostic performance of artificial intelligence-aided caries detection on bitewing radiographs: a systematic review and meta-analysis. Jpn Dent Sci Rev. 2024 Dec;60:128-136. doi: 10.1016/j.jdsr.2024.02.001. Epub 2024 Feb 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 (추정된)
2025년 10월 2일
기본 완료 (추정된)
2026년 6월 2일
연구 완료 (추정된)
2026년 6월 2일
연구 등록 날짜
최초 제출
2025년 5월 28일
QC 기준을 충족하는 최초 제출
2025년 6월 10일
처음 게시됨 (실제)
2025년 6월 18일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2025년 6월 18일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 6월 10일
마지막으로 확인됨
2025년 5월 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. .