Próteses dentárias de dente único projetadas com inteligência artificial
29 de setembro de 2025 atualizado por: Prof. Walter Y.H. Lam, The University of Hong Kong
Inteligência Artificial em Prótese Dentária - Desenho de Próteses Dentárias Unitárias Maxilares
A perda dentária é comum e, como consequência, deteriora a saúde e a qualidade de vida do paciente.
As próteses dentárias visam restaurar a aparência e as funções dos pacientes, substituindo os dentes perdidos.
A morfologia oclusal e a posição 3D dos dentes naturais saudáveis devem ser adotadas pelas próteses dentárias (biomiméticas).
Apesar do software de desenho assistido por computador (CAD) estar disponível para projetar próteses dentárias, ainda é necessário um tempo clínico considerável para encaixar as próteses dentárias na oclusão dos pacientes (relação dente a dente).
Os dentes de indivíduos individuais são geneticamente controlados e expostos a ambientes orais praticamente idênticos, portanto, a morfologia oclusal e a posição 3D dos dentes estão inter-relacionadas.
Supõe-se que a inteligência artificial (IA) pode automatizar o projeto de próteses dentárias unitárias a partir das características da dentição remanescente.
Visão geral do estudo
Status
Concluído
Condições
Intervenção / Tratamento
Descrição detalhada
Objetivos.
- Comparar quatro métodos/algoritmos de aprendizagem profunda na interpretação e aprendizagem das características dos modelos 3D;
- Comparar o sistema AI com modelo de dente superior sozinho com modelos maxilares e mandibulares (antagonistas);
- Comparar a morfologia oclusal e a posição 3D das próteses dentárias unitárias projetadas por IA treinada e por técnicos em prótese dentária.
Métodos:
Primeiro, os investigadores coletarão 200 modelos de dentes dentados superiores como modelos de treinamento. A IA aprenderá a relação entre os dentes individuais e o restante da dentição usando a Rede Adversária Generativa 3D (GAN), seguindo métodos/algoritmos de aprendizado profundo:
Grupo 1) Baseado em Voxel; Grupo 2) Baseado em visão; Grupo 3) Baseado em pontos; e Grupo 4) Métodos de fusão. Os investigadores coletarão outros 100 modelos maxilares que servirão como modelos de validação. Os investigadores removerão um dente (agindo como controle) em cada modelo. Em seguida, os investigadores avaliarão esses algoritmos de aprendizado profundo para prever a morfologia oclusal e a posição 3D de um único dente perdido.
Em segundo lugar, os investigadores avaliarão a necessidade do modelo antagonista para prever a morfologia oclusal e a posição 3D de um único dente perdido em 100 modelos de validação:
Grupo i) apenas modelo maxilar e Grupo ii) com modelo antagonista usando o algoritmo de aprendizado profundo testado no objetivo (1).
Em terceiro lugar, os investigadores analisarão a morfometria geométrica e a posição 3D de próteses dentárias projetadas por:
Grupo a) o sistema de IA treinado; Grupo b) técnicos em prótese dentária nos modelos físicos; e Grupo c) técnicos em prótese dentária que utilizam software CAD. Os investigadores irão comparar esses dentes com os dentes naturais correspondentes (controle) em 100 modelos de validação.
Além disso, os investigadores analisarão o tempo necessário para o desenho dos dentes nesses grupos como resultado secundário.
Tipo de estudo
Observacional
Inscrição (Real)
250
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
-
Sai Ying Pun, Hong Kong
- Prince Philip Dental Hospital
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
18 anos e mais velhos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Sim
Método de amostragem
Amostra Não Probabilística
População do estudo
- Pacientes atendidos/atendidos no Prince Philip Dental Hospital
- Estudantes de graduação em odontologia da Faculdade de Odontologia da Universidade de Hong Kong
Descrição
Critério de inclusão:
- Sujeitos com dentição suficiente presente para a determinação do plano oclusal superior
- Indivíduos com mais de 12 pares de oclusão e posição de intercuspidação estável
- Indivíduos com restaurações dentárias que não alteraram grosseiramente sua morfologia
- Indivíduos que não realizaram tratamento ortodôntico e/ou não tiveram dentes que rodaram mais de 45 graus e/ou deslocaram mais de 1,5 mm
- Sujeitos descendentes de cantoneses.
Critério de exclusão:
- Indivíduos com doença periodontal em que há migração dentária patológica e alteração do plano oclusal.
- Sujeitos menores de 18 anos e incapazes de dar consentimento.
- Indivíduos com extensas restaurações dentárias que afetam a morfologia.
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Controle de caso
- Perspectivas de Tempo: Transversal
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Ao controle
Modelo original de dentes superiores em 3D de indivíduos que atendem aos critérios de inclusão/exclusão
|
|
|
Teste
Modelo 3D de dentes superiores de indivíduos que atendem aos critérios de inclusão/exclusão. O primeiro molar direito (FDI número 16) será removido no computador e depois projetado pelo sistema de inteligência artificial (AI) O sistema de IA será treinado por
|
Primeiro molar superior direito será removido no computador e será projetado por sistema de inteligência artificial
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Posição 3D do dente
Prazo: O resultado será medido quando 25% dos modelos de treinamento forem estudados por IA, até 6 meses
|
O centro de um dente determinado automaticamente pelo computador
|
O resultado será medido quando 25% dos modelos de treinamento forem estudados por IA, até 6 meses
|
|
Posição 3D do dente
Prazo: O resultado será medido quando 50% dos modelos de treinamento forem estudados por IA, até 12 meses
|
O centro de um dente determinado automaticamente pelo computador
|
O resultado será medido quando 50% dos modelos de treinamento forem estudados por IA, até 12 meses
|
|
Posição 3D do dente
Prazo: O resultado será medido quando 75% dos modelos de treinamento forem estudados por IA, até 18 meses
|
O centro de um dente determinado automaticamente pelo computador
|
O resultado será medido quando 75% dos modelos de treinamento forem estudados por IA, até 18 meses
|
|
Posição 3D do dente
Prazo: O resultado será medido após todo o treinamento, em que a IA foi treinada em 100% de todos os modelos, até 24 meses
|
O centro de um dente determinado automaticamente pelo computador
|
O resultado será medido após todo o treinamento, em que a IA foi treinada em 100% de todos os modelos, até 24 meses
|
|
Morfologia oclusal do dente
Prazo: O resultado será medido quando 25% dos modelos de treinamento forem estudados por IA, até 6 meses
|
As cúspides (ponto mais alto) e a fossa (ponto mais baixo) da superfície oclusal
|
O resultado será medido quando 25% dos modelos de treinamento forem estudados por IA, até 6 meses
|
|
Morfologia oclusal do dente
Prazo: O resultado será medido quando 50% dos modelos de treinamento forem estudados por IA, até 12 meses
|
As cúspides (ponto mais alto) e a fossa (ponto mais baixo) da superfície oclusal
|
O resultado será medido quando 50% dos modelos de treinamento forem estudados por IA, até 12 meses
|
|
Morfologia oclusal do dente
Prazo: O resultado será medido quando 75% dos modelos de treinamento forem estudados por IA, até 18 meses
|
As cúspides (ponto mais alto) e a fossa (ponto mais baixo) da superfície oclusal
|
O resultado será medido quando 75% dos modelos de treinamento forem estudados por IA, até 18 meses
|
|
Morfologia oclusal do dente
Prazo: O resultado será medido após todo o treinamento, em que a IA foi treinada em 100% de todos os modelos, até 24 meses
|
As cúspides (ponto mais alto) e a fossa (ponto mais baixo) da superfície oclusal
|
O resultado será medido após todo o treinamento, em que a IA foi treinada em 100% de todos os modelos, até 24 meses
|
|
Tempo gasto no projeto de laboratório e na entrega clínica de próteses dentárias
Prazo: O resultado será medido após todo o treinamento, em que a IA foi treinada em 100% de todos os modelos, até 24 meses
|
Tempo (em minutos) gasto em a) projeto eb) entrega de próteses dentárias
|
O resultado será medido após todo o treinamento, em que a IA foi treinada em 100% de todos os modelos, até 24 meses
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Walter Lam, BDS, MDS, The University of Hong Kong
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- Chow TW, Clark RK, Cooke MS. The orientation of the occlusal plane in Cantonese patients. J Dent. 1986 Dec;14(6):262-5. doi: 10.1016/0300-5712(86)90034-5. No abstract available.
- Chow TW, Clark RK, Cooke MS. Errors in mounting maxillary casts using face-bow records as a result of an anatomical variation. J Dent. 1985 Dec;13(4):277-82. doi: 10.1016/0300-5712(85)90021-1. No abstract available.
- Lam WY, Hsung RT, Choi WW, Luk HW, Pow EH. A 2-part facebow for CAD-CAM dentistry. J Prosthet Dent. 2016 Dec;116(6):843-847. doi: 10.1016/j.prosdent.2016.05.013. Epub 2016 Jul 28.
- Lam WYH, Hsung RTC, Choi WWS, Luk HWK, Cheng LYY, Pow EHN. A clinical technique for virtual articulator mounting with natural head position by using calibrated stereophotogrammetry. J Prosthet Dent. 2018 Jun;119(6):902-908. doi: 10.1016/j.prosdent.2017.07.026. Epub 2017 Sep 29.
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
1 de setembro de 2021
Conclusão Primária (Real)
1 de setembro de 2024
Conclusão do estudo (Real)
30 de maio de 2025
Datas de inscrição no estudo
Enviado pela primeira vez
9 de setembro de 2021
Enviado pela primeira vez que atendeu aos critérios de CQ
22 de setembro de 2021
Primeira postagem (Real)
27 de setembro de 2021
Atualizações de registro de estudo
Última Atualização Postada (Estimado)
3 de outubro de 2025
Última atualização enviada que atendeu aos critérios de controle de qualidade
29 de setembro de 2025
Última verificação
1 de setembro de 2025
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- UW 20-848
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Descrição do plano IPD
Ainda não há plano de compartilhamento de IPD
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
produto fabricado e exportado dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .