Impact van het opleiden van tandheelkundige studenten voor een op AI gebaseerd platform
5 januari 2024 bijgewerkt door: University of Copenhagen
De impact van het opleiden van tandheelkundige studenten voor het gebruik van een nieuw, op kunstmatige intelligentie gebaseerd platform voor het voorspellen van pulpablootstelling vóór diepe cariësopgraving: een gerandomiseerde, gecontroleerde studie
De opkomst van kunstmatige intelligentie (AI) en met name deep learning (DL) hebben grote mogelijkheden laten zien bij het vinden van radiografische kenmerken en behandelplanning op het gebied van cariologie en endodontie.
Een groeiend aantal literatuur suggereert dat DL-modellen tandheelkundige beoefenaars kunnen helpen bij het detecteren van radiografische kenmerken zoals carieuze laesies, periapicale laesies, evenals het voorspellen van het risico van pulpa-blootstelling bij cariës-excavatietherapie.
Hoewel er in de huidige literatuur onvoldoende onderzoek is gedaan naar het effect van voldoende training van beoefenaars van de tandheelkunde voor het gebruik van op AI gebaseerde platforms.
Deze prospectieve gerandomiseerde gecontroleerde studie heeft tot doel de prestaties van studenten te beoordelen bij het gebruik van een op AI gebaseerd platform voor het voorspellen van pulpablootstelling met en zonder voldoende preprocedurele training.
De hypothese is dat de prestaties van de deelnemers in een groep met voldoende training vergelijkbaar zijn met de groep zonder voldoende training.
Studie Overzicht
Toestand
Voltooid
Conditie
Studietype
Ingrijpend
Inschrijving (Werkelijk)
20
Fase
- Niet toepasbaar
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
-
Copenhagen, Denemarken, 2200
- University of Copenhagen Department of Odontology Cariology and Endodontics Section for Clinical Oral Microbiology
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Ja
Beschrijving
Inclusiecriteria:
- misschien 4e jaars en 5e jaars studenten tandheelkunde aan de universiteit van Kopenhagen die bereid zijn vrijwillig deel te nemen en de toestemmingsbrief hebben ondertekend.
- Beperkte of geen voorkennis en ervaring over AI
Uitsluitingscriteria:
- Geen
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Ander
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Dubbele
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: Studenten die een AI-platform gebruiken om het risico op blootstelling aan pulpa te beoordelen, krijgen een trainingssessie
Studenten doorlopen een hands-on trainingssessie van een uur voordat ze de test op het online platform afleggen. De sessie omvat een theoretische sessie met betrekking tot basisaspecten van AI in radiologie, CNN-toepassingen (Convolutional Neural Network) voor cariologie en endodontie, evenals basisprincipes van excavatietherapie en pulpa-blootstelling. het theoretische gedeelte wordt gevolgd door een praktische sessie waarin deelnemers 11 gevallen van tanden met diepe cariës controleren en de dichtstbijzijnde grens vinden tussen cariës en pulpa. Vervolgens krijgen ze toegang om in te loggen op de website waarop voorbehandelingsröntgenfoto's worden geüpload van gevallen die cariës-excavatietherapie ondergaan. De prestaties van de leerlingen worden beoordeeld. |
De studenten van de experimentele groep krijgen een praktische trainingssessie van een uur voordat ze inloggen op het online platform.
De sessie wordt gepresenteerd door een tandarts met AI-ervaring en deze sessie behandelt de basisaspecten van AI in radiologie, deep learning (DL)-toepassingen voor cariologie en endodontie, evenals de basisprincipes van excavatietherapie en pulpa-blootstelling.
het theoretische gedeelte wordt gevolgd door een praktische sessie waarin elke deelnemer 11 gevallen van tanden met diepe cariës zal controleren en de dichtstbijzijnde grens tussen cariës en pulpa zal vinden.
hun optreden zal worden begeleid door de presentator van de trainingssessie en de juiste lijn zal hen worden getoond in het geval van een verkeerde lijn.
|
|
Geen tussenkomst: Studenten die een AI-platform gebruiken om het risico op pulpblootstelling te beoordelen zonder enige trainingssessie
Studenten krijgen geen training voordat ze aan het experiment beginnen.
Er wordt slechts een video van 5 minuten afgespeeld als leidraad voor het beantwoorden van de vragen op de website.
Vervolgens krijgen ze toegang om in te loggen op de website waarop voorbehandelingsröntgenfoto's worden geüpload van gevallen die cariës-excavatietherapie ondergaan.
De prestaties van de leerlingen worden beoordeeld.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Prestaties van leerlingen bij voorspelling van pulpblootstelling in het op AI gebaseerde platform met en zonder trainingssessie op basis van hun nauwkeurigheid
Tijdsspanne: 30 dagen
|
De nauwkeurigheid van de cursisten van beide groepen (met en zonder trainingssessie) wordt gemeten en met elkaar vergeleken.
De nauwkeurigheidsmeting voor elke leerling wordt berekend door het aantal correcte voorspellingen van pulpblootstelling te delen door het totale aantal voorspellingen.
|
30 dagen
|
|
Prestaties van leerlingen bij voorspelling van pulpblootstelling in het AI-gebaseerde platform met en zonder trainingssessie op basis van hun gevoeligheid
Tijdsspanne: 30 dagen
|
De sensitiviteit van de cursisten van beide groepen (met en zonder training) wordt gemeten en met elkaar vergeleken.
Het zal gebaseerd zijn op het aandeel van de werkelijke gevallen van pulpa-blootstelling dat werd voorspeld als pulpa-blootstelling (echt positief).
|
30 dagen
|
|
Prestaties van studenten bij voorspelling van pulpblootstelling in het op AI gebaseerde platform met en zonder trainingssessie op basis van hun specificiteit
Tijdsspanne: 30 dagen
|
De specificiteit van de studenten van beide groepen (met en zonder trainingssessie) zal met elkaar worden gemeten en vergeleken.
Het zal gebaseerd zijn op het percentage werkelijke gevallen van 'geen pulpablootstelling' dat correct wordt voorspeld als gevallen zonder pulpablootstelling (echt negatief).
|
30 dagen
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (Werkelijk)
20 augustus 2023
Primaire voltooiing (Werkelijk)
20 december 2023
Studie voltooiing (Werkelijk)
1 januari 2024
Studieregistratiedata
Eerst ingediend
24 mei 2023
Eerst ingediend dat voldeed aan de QC-criteria
12 juni 2023
Eerst geplaatst (Werkelijk)
22 juni 2023
Updates van studierecords
Laatste update geplaatst (Geschat)
8 januari 2024
Laatste update ingediend die voldeed aan QC-criteria
5 januari 2024
Laatst geverifieerd
1 januari 2024
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- 504-0342/22-5000
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .