Vergelijkende nauwkeurigheid van AI-modellen en klinische beoordeling voor tandplakdetectie bij kinderen

Studietitel:

Nauwkeurigheid van tandplakdetectie op basis van intraorale beelden met behulp van verschillende kunstmatige intelligentiemodellen versus klinische beoordeling bij een groep kinderen: een diagnostisch nauwkeurigheidsonderzoek

Studieoverzicht:

Dit observationele diagnostische nauwkeurigheidsonderzoek is bedoeld om de prestaties van meerdere kunstmatige intelligentie (AI)-modellen bij het detecteren van tandplak op intraorale beelden te evalueren, vergeleken met traditionele klinische beoordelingen uitgevoerd door gekwalificeerde tandartsen. De primaire focus ligt op pediatrische patiënten, omdat vroege detectie en behandeling van tandplak cruciaal zijn voor het behoud van de mondgezondheid bij kinderen.

Achtergrond en reden:

Tandplak is een biofilm die zich op de tanden vormt en kan leiden tot cariës en parodontitis als deze niet op de juiste manier wordt behandeld. Traditionele methoden voor plaquedetectie zijn afhankelijk van visuele beoordelingen door tandheelkundige professionals, die subjectief kunnen zijn en in nauwkeurigheid kunnen variëren. Recente ontwikkelingen op het gebied van AI en beeldverwerking bieden de mogelijkheid om de detectie en kwantificering van tandplak door middel van intraorale beelden te verbeteren, waardoor mogelijk een objectiever en efficiënter beoordelingsinstrument ontstaat.

Doelstellingen:

Om de nauwkeurigheid van AI-modellen bij het detecteren van tandplak te vergelijken met klinische beoordelingen.

Om de gevoeligheid, specificiteit en algemene diagnostische prestaties van de AI-technologieën te bepalen.

Het analyseren van het potentieel voor AI-modellen om te worden geïntegreerd in routinematige tandheelkundige onderzoeken voor pediatrische patiënten.

Methodologie:

Deelnemers: Er zal een steekproef van pediatrische patiënten worden gerekruteerd, waardoor een gevarieerde vertegenwoordiging van verschillende demografische gegevens en tandheelkundige gezondheidsstatussen wordt gegarandeerd.

Beeldacquisitie: Intraorale beelden worden vastgelegd met behulp van gestandaardiseerde beeldvormingsprotocollen om consistentie te garanderen. Beelden met hoge resolutie worden onder gecontroleerde omstandigheden verkregen om de variabiliteit te minimaliseren.

AI-modellen: Verschillende AI-algoritmen, waaronder convolutionele neurale netwerken (CNN's) en deep learning-technieken, zullen worden getraind met behulp van een dataset van geannoteerde intraorale beelden. Deze modellen zullen worden geëvalueerd op basis van hun vermogen om tandplak te identificeren en te kwantificeren.

Klinische beoordeling: Opgeleide tandartsen zullen klinische onderzoeken uitvoeren met behulp van standaard tandplakindexen om de aanwezigheid en ernst van tandplak in hetzelfde cohort kinderen te beoordelen.

Gegevensanalyse: Er zullen statistische methoden worden gebruikt om de diagnostische nauwkeurigheid van AI-modellen te vergelijken met klinische beoordelingen, inclusief berekeningen van gevoeligheid, specificiteit, positief voorspellende waarde en negatief voorspellende waarde.

Verwachte resultaten:

Het onderzoek heeft tot doel de rol van AI bij het verbeteren van de detectie van tandplak bij kinderen op te helderen, wat mogelijk kan leiden tot verbeterde preventieve zorg- en behandelstrategieën. De bevindingen kunnen ook bijdragen aan de ontwikkeling van AI-ondersteunde hulpmiddelen voor tandartsen.

Ethische overwegingen:

Deze studie zal zich houden aan ethische richtlijnen, waardoor geïnformeerde toestemming wordt verkregen van wettelijke voogden van pediatrische deelnemers. Goedkeuring van de relevante institutionele beoordelingsraad (IRB) zal vóór aanvang van het onderzoek worden verkregen