Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Påvisning av periapikale lesjoner på tannpanoramiske røntgenbilder basert på kunstig intelligens (OPTITOMO)

20. juni 2026 oppdatert av: Centre Hospitalier Régional Metz-Thionville

Påvisning av periapikale lesjoner på tannpanoramabilder basert på kunstig intelligens ved bruk av kjeglestråletomografi

Dental periapikale skader kan ha ulike årsaker og gjenspeiles av en radiolucent lesjon på komplementær bildebehandling: angulerte retro-alveolære (RA) røntgenbilder, tannpanoramabilder og tredimensjonal avbildning som computertomografi (CT) eller kjeglestråletomografi ( CBCT).

For radiografisk påvisning av disse dype periodontale lesjonene, representerer tannpanoramabildet en første tilnærming som vanligvis utføres med relativt lav stråling. Undersøkelsen kan følges av retroalveolær røntgenundersøkelse som er mer lokalisert og mer presis. Ved å bruke disse teknikkene er imidlertid deteksjonsraten for disse lesjonene lave (henholdsvis 20 % og 36 %), det er nødvendig å bruke tredimensjonal tomografisk undersøkelse for å være mer diskriminerende (69 %). Gullstandardavbildningen for påvisning av disse lesjonene er CBCT etterfulgt av retroalveolær radiografi (~2x mindre følsom enn CBCT) og panorama-radiografi (~2x mindre sensitiv enn RA). Selv om det ikke er et røntgenbilde i full tykkelse, har tannpanoramaet fordelen av å bli mer vanlig utført mens det er mindre utstrålende enn CBCT og gir et globalt bilde av tannbuene på et enkelt bilde.

Påvisning av periapikale lesjoner gjøres etter en klinisk vurdering og en visuell vurdering av de komplementære undersøkelsene.

Målet med dette prosjektet er å forbedre deteksjonen av periapikale lesjoner, ved å utvikle en algoritme som kan identifisere dem på et panoramisk dental røntgenbilde. Denne algoritmen er basert på et dypt læringssystem trent med referansedata inkludert panoramabilder og CBCT med et innsamlingsintervall på mindre enn 3 måneder. Modellen er basert på et tidligere arbeid, vil forbedre kvaliteten på de første dataene (ved hjelp av CBCT), ved hjelp av innovative kunstig intelligens-algoritmer (overføringslæring).

Studieoversikt

Status

Rekruttering

Forhold

Periapikale sykdommer

Detaljert beskrivelse

Det endelige målet med forskningen er å forbedre den tidlige diagnosen av periapikale lesjoner, noe som vil tillate en bedre og raskere behandling av disse lesjonene, nemlig i tidlige stadier. Dette representerer en stor folkehelseinteresse siden disse lesjonene kan være ansvarlige for flere lokale og regionale patologier (osteomyelitt, cervico-facial cellulitt, tromboflebitt, cerebrale abscesser...) eller enda mer alvorlige generelle patologier (hjertepatologier, kardiovaskulære sykdommer, diabetes, nyresykdommer, tendinopatier...). For visse målgrupper som militæret og idrettsutøvere på høyt nivå, vil denne forskningen gjøre det mulig å forbedre vurderingen som gjøres før medisinsk egnethet eller klubboverføring.

Studietype

Observasjonsmessig

Registrering (Antatt)

2000

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Navn: Arpiné EL NAR, PhD
Telefonnummer: 0033387557766
E-post: a.elnar@chr-metz-thionville.fr

Studiesteder

Frankrike
- - Metz, Frankrike, 57085
    - Rekruttering
    - CHR Metz-Thionville/Hopital de Mercy
    - Ta kontakt med:
      
      E-post: projet-recherche@chr-metz-thionville.fr
    - Ta kontakt med:
      
      Arpiné EL NAR, PhD
      
      Telefonnummer: 0033387557766
      
      E-post: a.elnar@chr-metz-thionville.fr
    - Underetterforsker:
      
      Paul RETIF, MD
    - Hovedetterforsker:
      
      Marc ENGELS-DEUTSCH, MD

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

Voksen
Eldre voksen

Tar imot friske frivillige

N/A

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter med periapikale lesjoner

Beskrivelse

Inklusjonskriterier:

Pasienter som har hatt CBCT og panoramabilder med mindre enn 3 måneder mellom de to undersøkelsene

Ekskluderingskriterier:

Pasienter som nektet å delta i studien.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Programvareytelse for kunstig intelligens Tidsramme: 2 år	måling av F1-score. F1-poengsummen beregnes som det harmoniske gjennomsnittet av presisjons- og gjenkallingsskårene. Den varierer fra 0-100 %, og en høyere F1-score angir en klassifisering av bedre kvalitet.	2 år

Sekundære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Spesifisitet for kunstig intelligens Tidsramme: 2 år	måling av de sanne positive, sanne negative, falske positive, falske negative	2 år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Centre Hospitalier Régional Metz-Thionville

Etterforskere

Hovedetterforsker: Marc ENGELS-DEUTSCH, MD, CHR Metz Thionville Hopital de Mercy
Studiestol: Paul RETIF, MD, PhD, CHR Metz Thionville Hopital de Mercy

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. oktober 2022

Primær fullføring (Antatt)

1. desember 2027

Studiet fullført (Antatt)

1. desember 2027

Datoer for studieregistrering

Først innsendt

25. mai 2023

Først innsendt som oppfylte QC-kriteriene