Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Användningen av artificiell intelligens i dental röntgenanalys

27 mars 2025 uppdaterad av: Hospital of the Ministry of Interior, Kielce, Poland

Jämförelse av dental röntgenanalys utförd av en artificiell intelligensalgoritm och analys utförd av tandläkare

Denna tvärsnittsstudie syftar till att utföra en populationsbaserad bedömning av förekomsten av röta, tandfyllningar, rotfyllningar, endodontiska lesioner, implantat, implantat- och tandstödskronor, pontiska kronor och saknade tänder, med hänsyn till platsen.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Denna tvärsnittsstudie syftar till att utföra en populationsbaserad bedömning av förekomsten av röta, tandfyllningar, rotfyllningar, endodontiska lesioner, implantat, implantat- och tandstödskronor, pontiska kronor och saknade tänder, med tanke på platsen. Patienter med indikationer för tandröntgen bekräftad genom skriftlig remiss och med permanent tandsättning kommer att delta i studien. Sedan kommer röntgenbilderna att analyseras av tandläkarna och den AI-baserade programvaran efter att data har anonymiserats. Resultaten kommer att jämföras för att bestämma AI-algoritmens känslighet, specificitet och precision.

Studietyp

Observationell

Inskrivning (Faktisk)

1025

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

  • Polen
      • Kielce, Polen, 25-375
        • Department of Maxillofacial Surgery

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Sannolikhetsprov

Studera befolkning

Patienter som ingick i studien togs in på röntgenavdelningen i Kielce, en stad i södra Polen med cirka 200 000 invånare.

Beskrivning

Inklusionskriterier:

  • Indikationer för tandröntgen bekräftade genom en skriftlig remiss från tandläkaren eller läkaren (både screeningtester och tester utförda i behandlingssyfte var tillåtna)
  • Permanent tandsättning (efter att exfolieringen är klar)

Exklusions kriterier:

  • Patienter med blandad tandsättning (exfolieringen har inte avslutats)

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
En grupp patienter (dubbel gate)

Studera design:

  • Insamling av data: retrospektiv
  • Antal grindar (uppsättningar av behörighetskriterier): dubbelgrind (AI, mänsklig)
  • Provtagningsmetod för deltagare: Konsekutiv
  • Metod för att tilldela deltagare till indextest: Varje deltagare fick alla indextest
  • Antal referensstandarder: Enkel teststandard
  • Begränsad verifiering: Fullständig verifiering (ej begränsad)
Strålning: Tar en tandröntgen
Tandröntgen tagna på patienter med indikationer bekräftade genom skriftlig remiss.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Känslighet
Tidsram: Upp till 6 veckor

Känslighet (även känd som återkallelse eller sann positiv frekvens) är andelen faktiska positiva fall som korrekt förutspås som positiva. Den utvärderar prestandan hos en AI-algoritm. Formellt kan det beräknas med följande ekvation:

Känslighet = TP / (TP+FN)

Sant positivt (TP) - ett testresultat som korrekt indikerar närvaron av ett tillstånd eller egenskap

Falskt negativt (FN) - ett testresultat som felaktigt indikerar att ett visst tillstånd eller egenskap saknas
Upp till 6 veckor
Specificitet
Tidsram: Upp till 6 veckor

Specificitet (även känd som sann negativ frekvens) - är andelen faktiska negativa fall som korrekt förutspås som negativa. Den utvärderar prestandan hos en AI-algoritm. Formellt kan det beräknas med ekvationen nedan:

Specificitet = TN / (TN + FP)

Sant negativt (TN) - ett testresultat som korrekt indikerar frånvaron av ett tillstånd eller en egenskap

Falskt positivt (FP) - ett testresultat som felaktigt indikerar att ett visst tillstånd eller egenskap föreligger
Upp till 6 veckor
Precision av AI-algoritmen
Tidsram: Upp till 6 veckor

Precision är ett utvärderingsmått som används för att bedöma prestandan för maskininlärningsalgoritmer för AI. Den mäter hur exakt algoritmen är. Vi kommer att använda antalet sanna positiva (TP) och falska positiva (FP) för att beräkna precision med följande formel:

Precision = TP / (TP + FP)

Sant positivt (TP) - ett testresultat som korrekt indikerar närvaron av ett tillstånd eller egenskap

Falskt positivt (FP) - ett testresultat som felaktigt indikerar att ett visst tillstånd eller egenskap är närvarande
Upp till 6 veckor

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Hospital of the Ministry of Interior, Kielce, Poland

Utredare

  • Studiestol: Maciej Sikora, Hospital of the Ministry of Interior, Wojska Polskiego 51, 25-375 Kielce, Poland

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 januari 2024

Primärt slutförande (Faktisk)

1 maj 2024

Avslutad studie (Faktisk)

1 november 2024

Studieregistreringsdatum

Först inskickad

25 januari 2024

Först inskickad som uppfyllde QC-kriterierna

12 februari 2024

Första postat (Faktisk)

14 februari 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

1 april 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

27 mars 2025

Senast verifierad

1 mars 2025

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • CT/2023/1

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

produkt tillverkad i och exporterad från U.S.A.

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera