- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT07246018
Dokładność i niezawodność oprogramowania do analizy cefalometrycznej opartej na sztucznej inteligencji w porównaniu z ręcznym śledzeniem
Dokładność i niezawodność analizy cefalometrii ortodontycznej przy użyciu internetowego programu sztucznej inteligencji
To badanie porównuje dokładność i niezawodność oprogramowania sztucznej inteligencji (AI) do analizy zdjęć rentgenowskich zębów z tradycyjną metodą ręcznego śledzenia stosowaną przez dentystów.
Radiogramy cefalometryczne boczne to specjalne zdjęcia rentgenowskie głowy używane w ortodoncji (prostowaniu zębów) do pomiaru pozycji kości szczęki, kątów zębów i proporcji twarzy. Tradycyjnie ortodonci ręcznie śledzą te zdjęcia rentgenowskie za pomocą ołówka i papieru, aby zidentyfikować kluczowe punkty orientacyjne i wykonać pomiary. Ta ręczna metoda jest czasochłonna i może się różnić między różnymi praktykującymi lub nawet gdy ten sam praktykant mierzy dwukrotnie.
Oprogramowanie oparte na AI może automatycznie identyfikować te punkty orientacyjne i natychmiast wykonywać pomiary. To badanie przeanalizowało 40 zdjęć rentgenowskich zębów, aby ustalić, czy oprogramowanie AI (WeDoCeph) jest tak dokładne i bardziej niezawodne niż ręczne śledzenie.
Każde zdjęcie rentgenowskie było mierzone dwukrotnie – raz ręcznie przez przeszkolonego badacza i raz przez oprogramowanie AI – w dwóch różnych odstępach czasu (w odstępie 4 tygodni). Badacze porównali 15 różnych pomiarów, w tym 8 kątów i 7 odległości, aby ocenić dokładność i niezawodność.
Przegląd badań
Status
Szczegółowy opis
Analiza cefalometryczna boczna jest niezbędna w diagnostyce ortodontycznej i planowaniu leczenia. Tradycyjna metoda ręcznego śledzenia polega na identyfikacji punktów anatomicznych na radiogramach przy użyciu ołówka, linijki i kątomierza, co jest subiektywne, czasochłonne i podatne na zmienność wewnątrz- i międzyobserwatorową.<\/p>
To badanie dokładności diagnostycznej oceniało oprogramowanie do analizy cefalometrycznej oparte na sztucznej inteligencji WeDoCeph w porównaniu z konwencjonalnym ręcznym śledzeniem. Badanie wykorzystało porównawczy projekt powtarzanych pomiarów, w którym każdy radiogram był analizowany obiema metodami w dwóch punktach czasowych (T₀ i T₁, oddzielonych 4 tygodniami) w celu oceny zarówno dokładności, jak i niezawodności.<\/p>
Obliczenia wielkości próby oparto na mocy 95% i poziomie istotności 0,05, co dało 40 bocznych radiogramów cefalometrycznych. Wszystkie pomiary obejmowały parametry kątowe (SNA, SNB, ANB, FMPA, MMPA, UIA, LIA, IIA) i parametry liniowe (A-N prostopadłe, POG-N prostopadłe, ANS-Me, SN, UFH, MxPI, MnPI).<\/p>
Test T dla prób zależnych zostanie zastosowany jako metoda analizy statystycznej do porównań, a współczynnik korelacji wewnątrzklasowej (ICC) do oceny niezawodności. Badanie miało na celu ustalenie, czy analiza cefalometryczna oparta na sztucznej inteligencji zapewnia wystarczającą dokładność i lepszą niezawodność do zastosowania klinicznego w praktyce ortodontycznej.<\/p>
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Pahang
-
Kuantan, Pahang, Malezja, 25200
- Orthodontic Specialist Clinic, Kulliyyah of Dentistry
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Populacja badana składała się z radiogramów pacjentów ortodontycznych na różnych etapach leczenia, w tym zarówno radiogramów przed leczeniem (wstępne diagnostyczne), jak i po leczeniu. Wszystkie radiogramy były wysokiej jakości cyfrowymi lub zdigitalizowanymi zdjęciami cefalometrycznymi bocznymi odpowiednimi do identyfikacji punktów orientacyjnych i pomiarów. Pacjenci z chirurgicznymi sztywnymi stabilizacjami, aparatami ortodontycznymi widocznymi na radiogramach lub protezami stomatologicznymi zostali wykluczeni, aby zapewnić wyraźną wizualizację anatomicznych punktów orientacyjnych. Dodatkowo, radiogramy o bardzo niskiej jakości lub od pacjentów ze zdiagnozowanymi zespołami lub deformacjami twarzoczaszki zostały wykluczone, aby zachować spójność w ocenie struktury anatomicznej.
Jednostką analizy jest radiogram cefalometryczny, a nie poszczególni pacjenci, ponieważ każdy radiogram reprezentuje pojedynczą ocenę diagnostyczną.
Opis
Kryteria włączenia:
- Boczne zdjęcia cefalometryczne przed/po leczeniu
- Wysokiej jakości cefalogramy z widocznymi punktami anatomicznymi
Kryteria wykluczenia:
- Pacjenci z widocznymi na zdjęciach radiologicznych sztywnymi stabilizacjami chirurgicznymi, aparatami ortodontycznymi i protezami dentystycznymi
- Zdjęcia radiologiczne bardzo słabej jakości/niediagnostyczne
- Pacjenci z zespołami chorobowymi lub z deformacjami twarzoczaszki
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Pacjenci Ortodontyczni z Radiogramami Cefalometrycznymi Bocznych
Boczne zdjęcia cefalometryczne od 40 pacjentów ortodontycznych zebrane między styczniem 2023 a czerwcem 2023 z Kliniki Specjalistycznej Ortodoncji.
Każde zdjęcie rentgenowskie zostało przeanalizowane przy użyciu zarówno ręcznego śledzenia, jak i oprogramowania opartego na sztucznej inteligencji (WeDoCeph) w dwóch punktach czasowych (początkowym i 4 tygodnie później)
|
Konwencjonalna ręczna analiza cefalometryczna przeprowadzana przez przeszkolonego badacza przy użyciu tradycyjnej techniki śledzenia.
Boczne zdjęcia cefalometryczne są ręcznie śledzone w zaciemnionym pomieszczeniu przy użyciu negatoskopu do prześwietlania.
Jako podstawa używana jest klisza rentgenowska o wymiarach 25 cm x 18 cm, z naklejoną na nią matową folią acetylową do śledzenia o wymiarach 21 cm x 16 cm.
Cefalometryczne punkty odniesienia tkanek twardych i miękkich są ręcznie identyfikowane i śledzone przy użyciu ołówka 0,3 mm 2HB.
Pomiary kątowe uzyskiwane są przy użyciu kątomierza, a pomiary liniowe przy użyciu linijki.
Wszystkie 15 pomiarów cefalometrycznych (8 kątowych: SNA, SNB, ANB, FMPA, MMPA, UIA, LIA, IIA; i 7 liniowych: A-N prostopadłe, POG-N prostopadłe, ANS-Me, SN, UFH, MxPI, MnPI) są obliczane ręcznie.
Każde zdjęcie rentgenowskie jest śledzone i analizowane dwukrotnie w odstępach 4-tygodniowych przez tego samego badacza w celu oceny wiarygodności wewnątrzbadacza.
Automatyczna analiza cefalometryczna z wykorzystaniem oprogramowania WeDoCeph opartego na sztucznej inteligencji.
Cyfrowe boczne zdjęcia cefalometryczne są importowane jako obrazy JPEG wysokiej jakości do platformy programowej.
System AI automatycznie identyfikuje i śledzi punkty orientacyjne cefalometryczne za pomocą algorytmów głębokiego uczenia, a następnie natychmiast generuje wszystkie pomiary na podstawie wstępnie zdefiniowanych parametrów.
Te same 15 pomiarów cefalometrycznych uzyskanych w ręcznym śledzeniu (8 kątowych: SNA, SNB, ANB, FMPA, MMPA, UIA, LIA, IIA; i 7 liniowych: A-N prostopadłe, POG-N prostopadłe, ANS-Me, SN, UFH, MxPI, MnPI) są automatycznie obliczane przez oprogramowanie.
Każde zdjęcie rentgenowskie jest analizowane dwukrotnie w odstępach 4-tygodniowych przy użyciu wcześniej przesłanych obrazów cyfrowych w celu oceny powtarzalności i spójności systemu AI.
Nie jest wymagana ręczna identyfikacja punktów orientacyjnych ani obliczanie pomiarów.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Współczynnik korelacji wewnątrzklasowej (ICC) dla powtarzanych pomiarów ręcznych
Ramy czasowe: Linia wyjściowa (T₀) i 4 tygodnie później (T₁)
|
Współczynnik ICC obliczony dla wszystkich 15 pomiarów cefalometrycznych (8 kątowych i 7 liniowych) wykonanych ręcznie w dwóch punktach czasowych w celu oceny wiarygodności wewnątrzobserwatorowej
|
Linia wyjściowa (T₀) i 4 tygodnie później (T₁)
|
|
Współczynnik korelacji wewnątrzgrupowej (ICC) dla powtarzanych pomiarów AI
Ramy czasowe: Punkt wyjściowy (T₀) i 4 tygodnie później (T₁)
|
ICC obliczony dla wszystkich 15 pomiarów cefalometrycznych wykonanych przez oprogramowanie WeDoCeph w dwóch punktach czasowych w celu oceny spójności
|
Punkt wyjściowy (T₀) i 4 tygodnie później (T₁)
|
|
Średnie różnice między pomiarami manualnymi i opartymi na sztucznej inteligencji w T₀
Ramy czasowe: Punkt wyjściowy (T₀)
|
Porównanie testem T dla prób zależnych wszystkich 15 pomiarów między ręcznym śledzeniem a analizą AI w początkowym punkcie czasowym
|
Punkt wyjściowy (T₀)
|
|
Średnie różnice między pomiarami manualnymi i opartymi na sztucznej inteligencji w T₁
Ramy czasowe: 4 tygodnie
|
Porównanie testem T dla prób zależnych wszystkich 15 pomiarów między ręcznym śledzeniem a analizą AI w punkcie czasowym 4 tygodni
|
4 tygodnie
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Pomiary kątowe
Ramy czasowe: Punkt wyjściowy (T₀) i 4 tygodnie (T₁)
|
Porównanie kątowych pomiarów cefalometrycznych między metodami
|
Punkt wyjściowy (T₀) i 4 tygodnie (T₁)
|
|
Pomiary liniowe
Ramy czasowe: Wartości wyjściowe (T₀) i po 4 tygodniach (T₁)
|
Porównanie liniowych pomiarów cefalometrycznych między metodami
|
Wartości wyjściowe (T₀) i po 4 tygodniach (T₁)
|
|
Niezawodność międzybadaczami
Ramy czasowe: Podczas fazy kalibracji
|
10% radiogramów zostało przeanalizowanych przez trzech badaczy w celu zapewnienia zgodności między oceniającymi
|
Podczas fazy kalibracji
|
Współpracownicy i badacze
Publikacje i pomocne linki
Publikacje ogólne
- Alqahtani H. Evaluation of an online website-based platform for cephalometric analysis. J Stomatol Oral Maxillofac Surg. 2020 Feb;121(1):53-57. doi: 10.1016/j.jormas.2019.04.017. Epub 2019 May 3.
- Kazimierczak W, Gawin G, Janiszewska-Olszowska J, Dyszkiewicz-Konwinska M, Nowicki P, Kazimierczak N, Serafin Z, Orhan K. Comparison of Three Commercially Available, AI-Driven Cephalometric Analysis Tools in Orthodontics. J Clin Med. 2024 Jun 26;13(13):3733. doi: 10.3390/jcm13133733.
- Lee JH, Yu HJ, Kim MJ, Kim JW, Choi J. Automated cephalometric landmark detection with confidence regions using Bayesian convolutional neural networks. BMC Oral Health. 2020 Oct 7;20(1):270. doi: 10.1186/s12903-020-01256-7.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Inne numery identyfikacyjne badania
- IREC 2023-045
- CHAIN 22-001-0001 (Inny numer grantu/finansowania: IIUM Kulliyyah of Dentistry Postgraduate CHAIN Grant)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 Ręczne śledzenie cefalometryczne
-
Fenerbahce UniversityZakończonyPrzepuklina dysku szyjnegoIndyk
-
Medipol UniversityJeszcze nie rekrutacjaBól mięśniowo-twarzowy
-
Cliniques universitaires Saint-Luc- Université...Université Catholique de LouvainJeszcze nie rekrutacjaWirtualna rzeczywistość | Mózg | EEG | Sprawność manualna | fNIRSBelgia
-
Colgate PalmoliveRekrutacyjnyRedukcja ładunku bakteryjnegoKostaryka
-
Colgate PalmoliveZakończony