- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06830161
Kunstig intelligens (AI) -Powered Thermal Imaging for Gingival betennelsesdeteksjon
AI-assistert termisk avbildning for vurdering av gingival betennelse: en ny tilnærming
Denne studien undersøker en ny tilnærming for å oppdage gingivalbetennelse ved bruk av termisk avbildning og kunstig intelligens (AI). Termisk avbildning er en teknikk som bruker varme for å generere detaljerte bilder, mens AI hjelper til med å analysere disse bildene for å identifisere mønstre. I motsetning til tradisjonelle metoder som krever direkte kontakt eller visuell undersøkelse, er denne tilnærmingen ikke-invasiv, og eliminerer behovet for fysisk interaksjon med gingiva eller avhengighet av subjektive vurderinger.
Et sentralt aspekt ved denne studien er fokuset på individer med pusting av munnen, en tilstand som kompliserer overvåkning av gingival helse. Ved å bruke termisk avbildning oppdaget studien og klassifiserte gingivalbetennelsesnivåer (sunne, milde, moderate eller alvorlige) basert på varmefordelingsmønstre. I tillegg ble spesifikke temperaturterskler etablert for å skille mellom sunne og betente gingivalvev i denne pasientgruppen, noe som representerer et nytt bidrag til feltet.
Det utviklede AI -systemet demonstrerte høy nøyaktighet i å identifisere betennelse. Denne teknologien har potensial til å lette tidligere påvisning av gingival sykdom, selv før kliniske symptomer blir tydelig. Videre tilbyr den en rask, smertefri og pålitelig metode for å overvåke gingival helse over tid, forbedre tilgjengeligheten og forbedre pasientopplevelsen i tannpleie.
Disse funnene antyder at integrering av termisk avbildning og AI kan forbedre diagnosen og håndteringen av gingival sykdommer betydelig. Fremtidig forskning kan ytterligere avgrense denne teknologien ved å utvide utvalgsstørrelsen og optimalisere analytiske modeller for å forbedre nøyaktigheten og utbredt anvendbarheten.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Etisk godkjenning og deltakervalg Denne studien ble satt i gang etter godkjenning fra etikkomiteen ved Gazi University (møte nr: 13, datert 30.07.2024). Deltakerne ble valgt ut fra personer som presenterte for Institutt for periodontologi, Fakultet for tannbehandling, Gazi University.
Bestemmelse av munnpust
Diagnosen pusting av munnen var basert på pasienters medisinske historie og kliniske undersøkelse. Deltakerne ble spurt om bruk av orale pusteinnretninger, enten de sov med munnen åpen, og om de opplevde nattlig oppvåkning på grunn av munntørrhet. Følgende diagnostiske tester ble benyttet under den kliniske undersøkelsen for å bekrefte pusting av munnen:
Deltakerne ble instruert om å lukke leppene og puste gjennom den ene neseboret mens den andre neseboret var okkludert. Personer med nasal pust viste effektiv alarmuskelfunksjon, som vanligvis er fraværende i munnpustere.
Mens deltakerne ble instruert om å puste normalt, ble et speil holdt horisontalt under neseborene bilateralt. Tilstedeværelsen av tåke på undersiden av speilet ble ansett som en indikator på munnpustet.
Etter å ha evaluert kriteriene for pust i munnen, ble individer som oppfylte kriteriene påmeldt i studien basert på følgende inkluderings- og eksklusjonsparametere:
Inkluderingskriterier:
Tilstedeværelse av minst 20 tenner mellom 18 og 25 år, med systemisk helse Ingen historie med periodontal behandling i løpet av det siste halvåret
Eksklusjonskriterier:
Tilstedeværelse av akutt infeksjonsbruk av systemiske antibiotika eller betennelsesdempende medisiner i løpet av de siste tre månedene historie med systemiske sykdommer graviditet og/eller amming tilstedeværelse av xerostomia eller medikamentindusert gingival betennelse strøm eller tidligere røykhistorie, pengs-termisk bilder som den termiske kameraten ble fikset og fokuserte på den gevinning-regionen som den som var avbildet i den termiske bildekameraet. Berlin, Tyskland) [5].
Etter det første termografiske bildet ble deltakerne instruert om å skylle med 20 ° C isvann i 60 sekunder. Etter skyllingen ble termiske bilder tatt til 1, 2 og 3 minutter.
Merkingsprosess Totalt 82 termiske bilder fra 20 deltakere ble endret til 640 × 480 piksler og kommentert ved hjelp av et online lisensiert nettleserverktøy (Gjenstand AI). Totalt 867 merkede datapunkter ble generert og delt inn i et treningssett (80% av totalen) og et testsett (20% av totalen).
Merkingsprosessen innebar sporing fra midtpunktet til det interdentale papillaspissen, etter Juxta-gingival-nivået til midtpunktet til den tilstøtende interdentale papillaen, og strekker seg vertikalt til Mucogingival Junction. Fra dette vertikale sluttpunktet ble grensen sporet tilbake parallelt med utgangspunktet, og gikk tilbake til projeksjonen av den første papillas midtpunkt. Grensene ble lukket vertikalt ved denne projeksjonen.
Vurdering av betennelse
Graden av betennelse ble evaluert ved bruk av gingivalindeksen. Bilder ble kategorisert i fire grupper basert på den høyeste betennelsesgraden observert i regionen:
Betennelse 0: Normal gingiva Betennelse 1: Mild betennelse Betennelse 2: Moderat betennelse Betennelse 3: Alvorlig betennelse
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
Çankaya
-
Ankara, Çankaya, Tyrkia, 06510
- Gazi University Faculty of Dentistry Department of Periodontology
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Har minst 20 tenner
- Å være mellom 18 og 25 år gammel og systemisk sunn.
- Ingen periodontal behandling i løpet av de siste 6 månedene.
Eksklusjonskriterier:
- Tilstedeværelse av akutt infeksjon
- Bruk av systemiske antibiotika eller betennelsesdempende medisiner i løpet av de siste tre månedene
- Historie med systemiske sykdommer
- Graviditet og/eller amming
- Xerostomia eller medikamentindusert gingival betennelse
- Nåværende eller tidligere røykere
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Betennelse 0, betennelse 1, betennelse 2, betennelse 3
Normal gingiva mild betennelse Moderat betennelse Alvorlig betennelse
|
Graden av betennelse ble evaluert ved bruk av gingivalindeksen
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Klassifiseringsytelse av AI -modellen for å oppdage gingivalbetennelse fra termisk avbildningsdata
Tidsramme: 6 måneder
|
Ytelsen til AI -modellen for å oppdage gingivalbetennelse blir vurdert ved bruk av klassifiseringsmålinger avledet fra termiske avbildningsdata.
Modellens effektivitet blir evaluert basert på generell nøyaktighet, presisjon, følsomhet (tilbakekalling), spesifisitet og F1-score.
Klassifiseringsprosessen utføres ved bruk av XGBOOST-algoritmen, med en 5-fold kryssvalideringstilnærming for å sikre pålitelighet.
Den endelige nøyaktighets- og ytelsesmålingene beregnes som gjennomsnittlig og standardavvik for kryssvalideringsresultater.
|
6 måneder
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Hovedetterforsker: Zeynep Turgut Çankaya, Gazi University
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 30.07.2024/13
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- ICF
- ANALYTIC_CODE
- CSR
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .