Kunstig intelligens-basert vurdering av endosseøse lesjoner (AIpreop)
12. april 2026 oppdatert av: Giuseppe D'Albis, University of Bari Aldo Moro
Kunstig intelligens-basert vurdering av endosseøse lesjoner: En prospektiv klinisk studie
Til tross for disse fremskrittene, forblir CBCT-tolkning i stor grad kvalitativ og avhengig av klinikerens erfaring. Konvensjonell evaluering er basert på todimensjonale snitt og lineære målinger, som kan undervurdere lesjonens kompleksitet og romlig fordeling.
Nylige utviklinger innen kunstig intelligens i medisin har introdusert automatiserte bilde-segmenteringsverktøy som kan identifisere lesjonsgrenser og beregne volumetriske data. Disse teknologiene muliggjør en overgang fra subjektiv vurdering til objektiv, reproducerbar kvantifisering.
De potensielle kliniske fordelene inkluderer:
- Objektiv måling av lesjonsstørrelse (volum i mm³)
- Forbedret kirurgisk planlegging
- Forbedret prediksjon av anatomisk involvering
- Reduksjon av diagnostiske feil
- Standardisering av oppfølging og resultatvurdering Derfor var målet med denne studien å evaluere den kliniske påvirkningen av KI-basert segmentering og volumetrisk analyse av endosseøse lesjoner sammenlignet med konvensjonell CBCT-tolkning.
Studieoversikt
Status
Rekruttering
Forhold
Intervensjon / Behandling
Studietype
Intervensjonell
Registrering (Antatt)
10
Fase
- Ikke aktuelt
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Giuseppe D'Albis, Dr.
- Telefonnummer: +393495103642
- E-post: giuseppe.dalbis@uniba.it
Studer Kontakt Backup
- Navn: Saverio Capodiferro, Prof.
- E-post: saverio.capodiferro@uniba.it
Studiesteder
-
-
-
Bari, Italia, 70021
- Rekruttering
- University of Bari Aldo Moro
-
Ta kontakt med:
- Giuseppe D'Albis
- Telefonnummer: +393495103642
- E-post: dalbisgiuseppe@hotmail.com
-
Bari, Italia, 70124
- Rekruttering
- Dr. Giuseppe D'Albis
-
Ta kontakt med:
- Giuseppe D'Albis, Dr.
- Telefonnummer: +393495103642
- E-post: giuseppe.dalbis@uniba.it
-
-
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
Beskrivelse
Inklusjonskriterier:
- God helse i henhold til American Society of Anesthesiology-systemet
- Over 18 år
- Ingen generelle medisinske kontraindikasjoner for kirurgi
Eksklusjonskriterier:
Røyking av mer enn 15 sigaretter per dag
- Graviditet
- Akutte infeksjoner
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Diagnostisk
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Ingen inngripen: Pasienter med endoseøs lesjon - analysert med konvensjonell CBCT
|
|
|
Eksperimentell: Pasienter med endoseøs lesjon - KI-assistert evaluering
|
CBCT-skanninger ble behandlet med AI-basert programvare som kan:
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Tid som kreves for CBCT-tolkning (minutter)
Tidsramme: Dag 1
|
vurdering av tiden som kreves for CBCT-tolkning av kirurgen.
En digital stoppeklokke ble brukt til å registrere operasjonstiden som kreves for hvert prosedyretrinn, med målinger uttrykt i sekunder, for å oppnå en objektiv og standardisert vurdering av utførelsestid.
|
Dag 1
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Intraoperative og postoperative komplikasjoner
Tidsramme: Dag 1
|
|
Dag 1
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Etterforskere
- Hovedetterforsker: Giuseppe D'Albis, Dr, University of Bari Aldo Moro
- Studieleder: Saverio Capodiferro, Prof, University of Bari Aldo Moro
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. april 2026
Primær fullføring (Antatt)
1. mai 2026
Studiet fullført (Antatt)
1. mai 2026
Datoer for studieregistrering
Først innsendt
21. mars 2026
Først innsendt som oppfylte QC-kriteriene
29. mars 2026
Først lagt ut (Faktiske)
1. april 2026
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
15. april 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
12. april 2026
Sist bekreftet
1. april 2026
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- AIpreoperative
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
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. .