Сравнительная точность моделей искусственного интеллекта и клиническая оценка обнаружения зубного налета у детей

Название исследования:

Точность обнаружения зубного налета на внутриротовых изображениях с использованием различных моделей искусственного интеллекта в сравнении с клинической оценкой среди группы детей: исследование диагностической точности

Обзор исследования:

Это обсервационное диагностическое исследование точности предназначено для оценки эффективности нескольких моделей искусственного интеллекта (ИИ) при обнаружении зубных отложений на внутриротовых изображениях по сравнению с традиционными клиническими оценками, проводимыми квалифицированными стоматологами. Основное внимание уделяется пациентам детского возраста, поскольку раннее выявление и лечение зубного налета имеют решающее значение для поддержания здоровья полости рта у детей.

Предыстория и обоснование:

Зубной налет — это биопленка, которая образуется на зубах и при неправильном лечении может привести к кариесу и заболеваниям пародонта. Традиционные методы обнаружения зубного налета основаны на визуальной оценке стоматологов, которая может быть субъективной и различаться по точности. Последние достижения в области искусственного интеллекта и обработки изображений открывают возможность улучшить обнаружение и количественную оценку зубных отложений с помощью внутриротовых изображений, потенциально предоставляя более объективный и эффективный инструмент оценки.

Цели:

Сравнить точность моделей искусственного интеллекта при обнаружении зубного налета с клиническими оценками.

Определить чувствительность, специфичность и общую диагностическую эффективность технологий искусственного интеллекта.

Проанализировать потенциал интеграции моделей искусственного интеллекта в рутинные стоматологические осмотры пациентов детского возраста.

Методология:

Участники: Будет отобрана выборка педиатрических пациентов, обеспечивающая разнообразное представление различных демографических показателей и состояний стоматологического здоровья.

Получение изображений: внутриротовые изображения будут получены с использованием стандартизированных протоколов визуализации для обеспечения единообразия. Изображения высокого разрешения будут получены в контролируемых условиях, чтобы минимизировать изменчивость.

Модели искусственного интеллекта. Различные алгоритмы искусственного интеллекта, включая сверточные нейронные сети (CNN) и методы глубокого обучения, будут обучаться с использованием набора данных аннотированных внутриротовых изображений. Эти модели будут оцениваться на основе их способности идентифицировать и количественно определять зубной налет.

Клиническая оценка: Обученные стоматологи проведут клинические обследования с использованием стандартных индексов зубного налета для оценки наличия и степени тяжести зубного налета у одной и той же группы детей.

Анализ данных: статистические методы будут использоваться для сравнения диагностической точности моделей ИИ с клиническими оценками, включая расчеты чувствительности, специфичности, положительной прогностической ценности и отрицательной прогностической ценности.

Ожидаемые результаты:

Исследование направлено на выяснение роли искусственного интеллекта в улучшении выявления зубных отложений у детей, что потенциально может привести к улучшению стратегий профилактики и лечения. Полученные результаты могут также способствовать разработке инструментов с использованием искусственного интеллекта для практикующих стоматологов.

Этические соображения:

Это исследование будет соответствовать этическим принципам, обеспечивая получение информированного согласия от законных опекунов педиатрических участников. Одобрение соответствующего институционального наблюдательного совета (IRB) будет получено до начала исследования.