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

AI-assistert spyttdiagnostikk ved bruk av en elektrokjemisk sensorplattform for periodittitis-deteksjon (SALIENCE) (SALIENCE)

19. november 2025 oppdatert av: Shariel Sayardoust, Ostergotland County Council, Sweden

Utvikling og validering av en KI-assistert elektrokjemisk sensorplattform for spyttbasert diagnostikk ved parodontitt

Denne observasjonsstudien tar sikte på å utvikle og validere en ny, KI-assistert elektrokjemisk sensorplattform for spyttbasert diagnostikk av parodontitt. Parodontitt er en kronisk inflammatorisk sykdom som påvirker tannkjøttet og støttevev rundt tennene. Til tross for sin høye globale forekomst forblir tidlig diagnostikk utfordrende fordi sykdommen ofte utvikler seg stille inntil uopprettelig skade har oppstått.

Spytt tilbyr et lovende, ikke-invasivt diagnostisk medium som reflekterer både oral og systemisk helse. Dens biologiske kompleksitet og variabilitet har imidlertid begrenset dens kliniske bruk. Dette prosjektet adresserer disse utfordringene ved å kombinere avansert elektrokjemisk sensoring med kunstig intelligens (KI) og syntetisk datagenerering for å forbedre diagnostisk presisjon og pålitelighet.

Studien innebærer innsamling av spyttprøver fra voksne deltakere med diagnostisert parodontitt og fra friske kontroller. Prøvene vil bli analysert ved hjelp av en modulær sensorplattform utstyrt med flere elektroder som oppdager elektrokjemiske signaler fra et bredt spekter av spyt-biomarkører. Sensordataene vil deretter bli prosessert ved hjelp av maskinlæringsmodeller trent på både ekte og syntetiske data for å klassifisere sykdomstilstander.

Hovedmålene er å:

Vurdere ytelsen til den elektrokjemiske sensormatrisen for spyttanalyse.

Utvikle og validere KI-baserte algoritmer for å oppdage og skille mellom friske og syke prøver.

Generere gjennomførbarhetsdata som støtter fremtidig klinisk implementering av spyttbasert diagnostikk for parodontitt.

Dette tverrfaglige prosjektet kombinerer ekspertise innen klinisk odontologi, biomedisinsk teknologi og informatikk. Det utføres i samarbeid mellom Linköpings universitet og Malmö universitet, med pasientprøvetaking gjennomført ved en tilknyttet tannklinikk.

Studien forventes å resultere i en fungerende proof-of-concept-enhet som muliggjør sanntids, ikke-invasiv deteksjon av parodontitt på behandlingsstedet. Ved å muliggjøre tidligere diagnostikk og mer personlig tilpasset behandling, kan denne teknologien transformere parodontologisk behandling og tjene som et grunnlag for fremtidig spyttbasert diagnostikk rettet mot andre orale og systemiske sykdommer.

Studieoversikt

Status

Har ikke rekruttert ennå

Detaljert beskrivelse

Bakgrunn og rasjonalitet Periodontitt er en kronisk inflammatorisk sykdom som påvirker støttevevnene rundt tennene og er en av de mest utbredte munnsykdommene globalt. Til tross for høy forekomst er tidlig diagnostisering fortsatt en stor utfordring, ettersom nåværende diagnostiske verktøy er basert på retrospektive mål som lommedybde, blødning ved sondering og radiografisk beintap. Disse indikatorene reflekterer tidligere vevsødeleggelse snarere enn nåværende sykdomsaktivitet, noe som fører til forsinket diagnose og behandling.

Spytt er en attraktiv diagnostisk væske for ikke-invasiv, sanntidsovervåkning av sykdom fordi den inneholder et komplekst blandingsforhold av biomarkører som reflekterer både oral og systemisk helse. Imidlertid har dens biologiske variasjon, matriseeffekter og mottakelighet for forurensning begrenset dens pålitelighet som diagnostisk medium. For å overvinne disse utfordringene integrerer dette prosjektet elektrokjemisk deteksjon med kunstig intelligens-drevet datatolkning og syntetisk datagenerering for å muliggjøre robust spyttbasert diagnostikk.

Studieformål

Det overordnede målet er å utvikle og validere en KI-assistent elektrokjemisk sensorplattform som kan oppdage biokjemiske mønstre i spytt assosiert med periodontitt. Spesifikke mål er å:

Designe og optimalisere en modulær, flerelektrodesensorplattform for spyttanalyse.

Utvikle og validere KI-algoritmer for sanntidssignaltolkning og sykdomsklassifisering.

Generere gjennomførbarhets- og konseptbevisdata for fremtidig klinisk implementering i tannhelsetjenesten.

Studiedesign og metoder Dette er en observasjonsstudie som innebærer spyttprøvetaking fra voksne deltakere diagnostisert med periodontitt og friske kontrollpersoner. Omtrent 25 periodontittpasienter og en utvidet kontrollgruppe vil bli rekruttert fra et samarbeidende tannlegekontor.

Den elektrokjemiske sensorplattformen vil inkludere flere elektrodetyper (karbon, gull, platina, palladium), hver valgt for spesifikke elektrokjemiske og biokjemiske egenskaper. Elektrodene vil oppdage et bredt spekter av spyttbiomarkører, inkludert metabolitter relatert til betennelse, oksidativt stress og mikrobiell aktivitet. Systemet støtter flere analytiske moduser, som differensiell pulsvoltammetri (DPV), som gir høy følsomhet og oppløsning på tvers av flere analytter.

Innsamlede spyttprøver vil først bli testet under kontrollerte laboratorieforhold for å etablere grunnlinjesensorresponser. Utvalgte prøver vil også gjennomgå komplementære analyser (f.eks. H-NMR, LC-MS) for kalibrering og validering. Sensorsignaler vil bli prosessert og klassifisert ved bruk av overvåkede og uovervåkede maskinlæringsmodeller, inkludert støttevektormaskiner og tilfeldige skoger. Syntetisk datautvidelse, basert på generative modeller som variasjonelle autoenkodere, vil bli brukt for å øke datasettmangfoldet og forbedre modellgeneralisering, spesielt i den tidlige fasen når prøvetall er begrenset.

Implementeringsplan Prosjektet er organisert over 24 måneder, med start i september 2025.

Måned 1-4: Utvalg og sammenligning av elektrodematerialer i kunstige og friske spyttprøver.

Måned 5-8: Montering av den første prototypen med integrert KI-signalinntak og sikker, GDPR-kompatibel dataoverføring.

Måned 9-12: Utvikling av syntetiske datasett og innledende trening av maskinlæringsmodeller.

Måned 9-19: Klinisk spyttprøvetaking og iterativ modellforbedring ved bruk av nye data.

Måned 21-24: Testing av konseptbevissystemet i en klinisk setting, dataanalyse og formidling av resultater.

Datahåndtering og analyse Alle innsamlede data vil bli anonymisert og prosessert i henhold til GDPR og etiske standarder. Sensorutdata vil bli koblet til anonymiserte kliniske metadata. Maskinlæringsmodeller vil bli evaluert basert på klassifiseringsnøyaktighet, sensitivitet, spesifisitet og robusthet mot biologisk variasjon. Statistiske analyser vil inkludere kryssvalidering og ytelsessammenligning på tvers av elektrodekonfigurasjoner og KI-modeller.

Forventede resultater og betydning Studien vil resultere i en funksjonell konseptbevisprototype av et KI-assistent spyttdiagnostisksystem. Plattformen har som mål å gi rask, ikke-invasiv deteksjon av periodontitt på behandlingsstedet. Hvis vellykket, vil den representere et paradigmskifte i periodontaldiagnostikk, og muliggjøre tidligere deteksjon, bedre målrettede intervensjoner og forbedrede pasientutfall.

Utover periodontitt tillater systemets modulære design tilpasning for andre sykdommer, inkludert munnkreft, systemisk betennelse og metabolske lidelser. Denne fleksibiliteten øker dets langsiktige potensial som en skalerbar diagnostisk teknologi for både tann- og medisinske applikasjoner.

Etiske vurderinger og risikostyring Studien er godkjent av den svenske etikkprøvningsmyndigheten (referansenummer: 2025-04853-01). Alle deltakere vil gi skriftlig informert samtykke før prøvetaking. Studien innebærer minimal risiko, begrenset til ubehag knyttet til spyttprøvetaking. Ingen eksperimentell behandling eller invasive prosedyrer vil bli utført.

Potensielle tekniske risikoer, som variasjon i spyttprøver eller enhetsytelse, vil bli begrenset gjennom standardiserte prøvetakingsprotokoller og iterativ prototypeforbedring. Den modulære hardwaredesignen sikrer at individuelle komponenter kan justeres eller erstattes uten å kompromittere det overordnede systemet.

Samarbeid og ekspertise Dette tverrfaglige prosjektet samler eksperter innen klinisk odontologi, biomedisinsk ingeniørvitenskap og informatikk. Studien ledes av førsteamanuensis Shariel Sayardoust (Linköpings universitet og Östergötlands län), med samarbeidspartnere førsteamanuensis Magnus Falk, førsteamanuensis Julia Davies og dr. Erdal Akin fra Malmö universitet. Industrielt samarbeid med Redoxme AB støtter hardvareprototyping og integrasjon.

Sammen har konsortiet som mål å etablere grunnlaget for neste generasjons spyttdiagnostikk som kombinerer KI, elektrokjemisk deteksjon og pasientsentrert omsorg i daglig klinisk praksis.

Studietype

Observasjonsmessig

Registrering (Antatt)

200

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

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

Ja

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Voksne deltakere (≥18 år) vil bli rekruttert fra en tilknyttet tannklinikk. Studiepopulasjonen består av to grupper: (1) pasienter klinisk diagnostisert med periodontitt i henhold til AAP/EFP-klassifiseringen fra 2018, og (2) periodontal friske voksne uten tegn på periodontal sykdom. Alle deltakere må være i stand til å gi informert samtykke og et spyttprøve i henhold til studiens protokoll.

Beskrivelse

Inklusjonskriterier:

Voksne ≥18 år.

I stand til og villig til å gi skriftlig samtykke.

Evne til å levere et ustimulert helspyttprøve i henhold til protokoll (ingen mat, drikke, tyggegummi, tannpussing eller røyking innen 60 minutter før prøvetaking).

Periodittisgruppe: Klinisk diagnose av periodittis i henhold til 2018 AAP/EFP-kriterier (f.eks. interdental CAL ≥3 mm på ≥2 ikke-tilstøtende tenner med radiologisk beintap; sondering lommedybde ≥4 mm i ≥2 tenner).

Kontrollgruppe for friske: Ingen kliniske tegn på periodontal sykdom (ingen sondering dybder >3 mm, blødning ved sondering <10%, og ingen radiologisk beintap).

Eksklusjonskriterier:

Systemiske antibiotika eller systemisk anti-inflammatorisk/immunsuppressiv behandling innen de siste 3 månedene.

Periodontal behandling (scaling/rotplaning eller kirurgi) innen de siste 6 månedene.

Nåværende akutt oral infeksjon eller byll.

Systemiske tilstander kjent for å endre spyttsammensetning/strøm markant (f.eks. Sjögrens syndrom, tidligere hode- og halsstråling, pågående kjemoterapi, ukontrollert diabetes).

Bruk av sterkt xerogene legemidler ikke på stabil dose ≥4 uker, eller klinisk signifikant hyposalivasjon som forhindrer prøvetaking.

Manglende evne til å følge prøvetakingsprosedyrer (f.eks. kan ikke avstå fra mat/drikke/tobakk i 60 minutter før prøvetaking).

Graviditet eller amming.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Periodontittgruppe
Voksne diagnostisert med periodontitt basert på kliniske kriterier.
Kontrollgruppe for friske
Voksne uten kliniske tegn på parodontal sykdom.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Sensitivitet og spesifisitet til den KI-assisterte elektrokjemiske spyttsensoren for deteksjon av perioditt
Tidsramme: Innen 24 måneder etter studiestart (slutt på datainnsamling og analyse).

Denne utfallsmålingen vurderer den diagnostiske nøyaktigheten til den AI-assisterte elektrokjemiske sensorplattformen ved å beregne sensitivitet, spesifisitet, positiv prediktiv verdi (PPV), negativ prediktiv verdi (NPV) og arealet under mottakeroperasjonskarakteristikk-kurven (AUC). Plattformen analyserer elektrokjemiske signalmønstre i spyttprøver, og en AI-basert klassifiseringsmodell predikerer om deltakerne har periodontitt.

Klinisk periodontal status (periodontitt vs. periodontal helse) vil bli etablert ved hjelp av en fullmunns klinisk undersøkelse i henhold til 2017 World Workshop klassifiseringskriterier. Diagnostiske nøyaktighetsmål fra sensorplattformen vil bli sammenlignet med denne kliniske gullstandarden.

Innen 24 måneder etter studiestart (slutt på datainnsamling og analyse).

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Gjentakbarhet innen kjøring av elektrokjemiske spyttsensorsignaler (variasjonskoeffisient)
Tidsramme: Målt gjennom hele 24-måneders studieperioden.
Dette utfallet vil vurdere gjentakbarheten innen kjøring av elektrokjemiske signalmålinger generert av sensormatrisen når den analyserer spyttprøver. Gjentakbarhet vil bli kvantifisert ved hjelp av variasjonskoeffisienten (CV%) beregnet fra flere påfølgende målinger av samme spyttprøve under standardiserte laboratoriebetingelser.
Målt gjennom hele 24-måneders studieperioden.
Korrelasjon mellom sensorutganger og biokjemiske referanseanalyser
Tidsramme: 24 måneder
Å evaluere korrelasjonen mellom elektrokjemiske sensorresponser og konvensjonelle biokjemiske eller molekylære referansemetoder (f.eks. LC-MS, H-NMR) for validering av analytisk nøyaktighet.
24 måneder
System Usability Scale (SUS) Score for klinisk bruk av den AI-assisterte spyttsensorplattformen
Tidsramme: 24 måneder

Gjennomførbarheten for klinisk implementering vil bli evaluert ved hjelp av System Usability Scale (SUS), et validerd 10-punkts spørreskjema som gir en global brukervennlighetsscore fra 0 til 100. SUS-scoren vil vurdere opplevd brukervennlighet, læringsevne og integrering i tannlegearbeidsflyten blant klinisk personell som bruker den KI-assisterte spyttsensorplattformen. Høyere scorer indikerer bedre brukervennlighet og gjennomførbarhet for rutinemessig klinisk implementering.

SUS-scoren vil bli oppsummert ved hjelp av gjennomsnitt og standardavvik.

24 måneder

Samarbeidspartnere og etterforskere

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

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 (Antatt)

1. desember 2025

Primær fullføring (Antatt)

31. desember 2027

Studiet fullført (Antatt)

30. juni 2028

Datoer for studieregistrering

Først innsendt

15. november 2025

Først innsendt som oppfylte QC-kriteriene

19. november 2025

Først lagt ut (Faktiske)

28. november 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

28. november 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

19. november 2025

Sist bekreftet

1. oktober 2025

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

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. .

Abonnere