Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Sztuczna inteligencja zaprojektowała protezy dentystyczne z pojedynczym zębem

29 września 2025 zaktualizowane przez: Prof. Walter Y.H. Lam, The University of Hong Kong

Sztuczna inteligencja w protetyce - projektowanie protez zębowych pojedynczych zębów w szczęce

Utrata zębów jest powszechna iw konsekwencji pogarsza stan zdrowia i jakość życia pacjentów. Protezy dentystyczne mają na celu przywrócenie pacjentom wyglądu i funkcji poprzez uzupełnienie braków zębowych. Morfologia okluzyjna i położenie 3D zdrowych zębów naturalnych powinny być przejmowane przez protezy dentystyczne (biomimetyczne). Pomimo dostępności oprogramowania do projektowania wspomaganego komputerowo (CAD) do projektowania protez dentystycznych, dopasowanie protez dentystycznych do zgryzu pacjenta (stosunek zębów do zębów) wymaga nadal znacznego czasu klinicznego. Zęby poszczególnych pacjentów są genetycznie kontrolowane i narażone na w większości identyczne środowisko jamy ustnej, dlatego morfologia zgryzu i trójwymiarowa pozycja zębów są ze sobą powiązane. Postawiono hipotezę, że sztuczna inteligencja (AI) może zautomatyzować projektowanie protez pojedynczych zębów na podstawie cech pozostałego uzębienia.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Szczegółowy opis

Cele:

  1. Porównanie czterech metod/algorytmów głębokiego uczenia się w interpretacji i uczeniu się cech modeli 3D;
  2. Porównanie systemu AI z samym modelem zęba szczęki z modelami szczęki i żuchwy (antagonistów);
  3. Porównanie morfologii okluzyjnej i pozycji 3D protez pojedynczych zębów zaprojektowanych przez przeszkoloną sztuczną inteligencję i techników dentystycznych.

Metody:

Najpierw badacze zbiorą 200 modeli zębów zębatych szczęki jako modele treningowe. Sztuczna inteligencja nauczy się relacji między poszczególnymi zębami a resztą uzębienia za pomocą 3D Generative Adversarial Network (GAN) za pomocą następujących metod/algorytmów głębokiego uczenia się:

Grupa 1) Oparte na wokselach; Grupa 2) Oparte na widokach; Grupa 3) Punktowe; i Grupa 4) Metody fuzji. Badacze zbiorą kolejne 100 modeli szczęki, które posłużą jako modele do walidacji. Badacze usuną ząb (działa jako kontrola) w każdym modelu. Następnie badacze ocenią te algorytmy głębokiego uczenia się w przewidywaniu morfologii okluzyjnej i pozycji 3D pojedynczego brakującego zęba.

Po drugie, badacze ocenią potrzebę stosowania modelu antagonisty w przewidywaniu morfologii zgryzu i pozycji 3D pojedynczego brakującego zęba w 100 modelach walidacyjnych:

Grupa i) tylko model szczękowy i Grupa ii) z modelem antagonisty wykorzystującym testowany algorytm głębokiego uczenia w celu (1).

Po trzecie, badacze przeanalizują geometrię morfometryczną i pozycję 3D protez dentystycznych zaprojektowanych przez:

Grupa a) przeszkolony system AI; Grupa b) technicy dentystyczni na modelach fizycznych; oraz Grupa c) technicy dentystyczni korzystający z oprogramowania CAD. Badacze porównają te zęby z odpowiednimi zębami naturalnymi (kontrolnymi) w 100 modelach walidacyjnych.

Ponadto badacze przeanalizują czas wymagany do zaprojektowania zęba w tych grupach jako wynik drugorzędny.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

250

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Hongkong
      • Sai Ying Pun, Hongkong
        • Prince Philip Dental Hospital

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

  • Pacjenci uczęszczali/uczestniczyli w Prince Philip Dental Hospital
  • Studenci stomatologii na Wydziale Stomatologii Uniwersytetu w Hong Kongu

Opis

Kryteria przyjęcia:

  • Osoby z wystarczającym uzębieniem do określenia górnej płaszczyzny okluzyjnej
  • Osoby z więcej niż 12 parami okluzyjnymi i stabilną pozycją międzyguzkową
  • Pacjenci z uzupełnieniami zębów, które nie zmieniły znacząco ich morfologii
  • Pacjenci, którzy nie przeszli leczenia ortodontycznego i/lub nie mieli zębów obróconych o więcej niż 45 stopni i/lub przesuniętych o więcej niż 1,5 mm
  • Podmioty pochodzenia kantońskiego.

Kryteria wyłączenia:

  • Pacjenci z chorobą przyzębia, w której występuje patologiczna migracja zębów i zmiana płaszczyzny okluzyjnej.
  • Osoby, które nie ukończyły 18 lat i nie są w stanie wyrazić zgody.
  • Pacjenci z rozległymi uzupełnieniami zębów, które wpływają na morfologię.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Modele obserwacyjne: Kontrola przypadków
  • Perspektywy czasowe: Przekrojowe

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Kontrola
Oryginalny trójwymiarowy model zębów szczęki od osób, które spełniają kryteria włączenia/wyłączenia
Test

Model 3D zębów szczęki od osób, które spełniają kryteria włączenia/wyłączenia.

Prawy pierwszy trzonowiec (FDI numer 16) zostanie usunięty w komputerze, a następnie zaprojektowany przez system sztucznej inteligencji (AI)

System AI będzie szkolony przez

  1. różne algorytmy, takie jak Grupa 1) oparte na wokselach; Grupa 2) Oparte na widokach; Grupa 3) Punktowe; i Grupa 4) Metody fuzji
  2. Grupa i) tylko model szczęki i Grupa ii) z modelem antagonisty
Inny: sztuczna inteligencja (AI) projektowanie wspomagane komputerowo (CAD)
Prawy pierwszy trzonowiec w szczęce zostanie usunięty komputerowo i zaprojektowany przez system sztucznej inteligencji

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Pozycja zęba 3D
Ramy czasowe: Wynik zostanie zmierzony, gdy 25% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 6 miesięcy
Środek zęba automatycznie ustalany przez komputer
Wynik zostanie zmierzony, gdy 25% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 6 miesięcy
Pozycja zęba 3D
Ramy czasowe: Wynik zostanie zmierzony, gdy 50% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 12 miesięcy
Środek zęba automatycznie ustalany przez komputer
Wynik zostanie zmierzony, gdy 50% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 12 miesięcy
Pozycja zęba 3D
Ramy czasowe: Wynik zostanie zmierzony, gdy 75% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 18 miesięcy
Środek zęba automatycznie ustalany przez komputer
Wynik zostanie zmierzony, gdy 75% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 18 miesięcy
Pozycja zęba 3D
Ramy czasowe: Wynik zostanie zmierzony po całym szkoleniu, które AI zostało wyszkolone na 100% wszystkich modeli, do 24 miesięcy
Środek zęba automatycznie ustalany przez komputer
Wynik zostanie zmierzony po całym szkoleniu, które AI zostało wyszkolone na 100% wszystkich modeli, do 24 miesięcy
Morfologia okluzyjna zęba
Ramy czasowe: Wynik zostanie zmierzony, gdy 25% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 6 miesięcy
Guzki (najwyższy punkt) i dół (najniższy punkt) powierzchni okluzyjnej
Wynik zostanie zmierzony, gdy 25% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 6 miesięcy
Morfologia okluzyjna zęba
Ramy czasowe: Wynik zostanie zmierzony, gdy 50% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 12 miesięcy
Guzki (najwyższy punkt) i dół (najniższy punkt) powierzchni okluzyjnej
Wynik zostanie zmierzony, gdy 50% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 12 miesięcy
Morfologia okluzyjna zęba
Ramy czasowe: Wynik zostanie zmierzony, gdy 75% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 18 miesięcy
Guzki (najwyższy punkt) i dół (najniższy punkt) powierzchni okluzyjnej
Wynik zostanie zmierzony, gdy 75% modeli treningowych zostanie zbadanych przez sztuczną inteligencję, do 18 miesięcy
Morfologia okluzyjna zęba
Ramy czasowe: Wynik zostanie zmierzony po całym szkoleniu, które AI zostało wyszkolone na 100% wszystkich modeli, do 24 miesięcy
Guzki (najwyższy punkt) i dół (najniższy punkt) powierzchni okluzyjnej
Wynik zostanie zmierzony po całym szkoleniu, które AI zostało wyszkolone na 100% wszystkich modeli, do 24 miesięcy
Czas spędzony na projektowaniu laboratorium i klinicznym dostarczaniu protez zębowych
Ramy czasowe: Wynik zostanie zmierzony po całym szkoleniu, które AI zostało wyszkolone na 100% wszystkich modeli, do 24 miesięcy
Czas (w minutach) spędzony na a) zaprojektowaniu i b) dostarczeniu protez dentystycznych
Wynik zostanie zmierzony po całym szkoleniu, które AI zostało wyszkolone na 100% wszystkich modeli, do 24 miesięcy

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

The University of Hong Kong

Współpracownicy

University Grants Committee, Hong Kong

Śledczy

  • Główny śledczy: Walter Lam, BDS, MDS, The University of Hong Kong

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 września 2021

Zakończenie podstawowe (Rzeczywisty)

1 września 2024

Ukończenie studiów (Rzeczywisty)

30 maja 2025

Daty rejestracji na studia

Pierwszy przesłany

9 września 2021

Pierwszy przesłany, który spełnia kryteria kontroli jakości

22 września 2021

Pierwszy wysłany (Rzeczywisty)

27 września 2021

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

3 października 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

29 września 2025

Ostatnia weryfikacja

1 września 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • UW 20-848

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Nie ma jeszcze planu udostępniania IPD

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Badania kliniczne na Proteza dentystyczna

Badania kliniczne na sztuczna inteligencja (AI) projektowanie wspomagane komputerowo (CAD)

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Lithuania

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj