Noggrannheten hos artificiell intelligens-teknik för att detektera periapikala lesioner i människotänder. (AI)
21 december 2025 uppdaterad av: Mays Maher Albochi, Future University in Egypt
Noggrannheten hos artificiell intelligens-teknik för att upptäcka periapikala lesioner i människotänder. Experimentell studie om diagnostisk noggrannhet.
Syftar till att utvärdera noggrannheten i användningen av artificiell intelligens-programvara för att upptäcka förekomsten av periapikala lesioner jämfört med CBCT-bildtagning.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Detaljerad beskrivning
I denna forskning kommer patienter som remitterats till endodontiavdelningen på universitetet att genomgå kliniska undersökningsprov (perkussion, palpation).
Dessa kommer att dokumenteras.
Sedan kommer patienten att genomgå en periapikal röntgenbild för att upptäcka förekomst av periapikal lesion.
Patienter med periapikala lesioner kommer därefter att genomgå en konstrålesdatortomografi och denna skanning kommer att laddas upp i mjukvaran för artificiell intelligens för att upptäcka mjukvarans noggrannhet i att upptäcka förekomst av den periapikala lesionen.
Alla patienter med en periapikal lesion som behöver rotbehandling kommer att genomgå behandlingen.
Studietyp
Interventionell
Inskrivning (Faktisk)
100
Fas
- Inte tillämpbar
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Cairo, Egypten
- Future University in Egypt
-
-
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
- Vuxen
Tar emot friska volontärer
Ja
Beskrivning
Inklusionskriterier:
- Alla patienter måste vara medicinskt fria från systemiska sjukdomar som kan påverka rotbehandling.
- Patienter mellan 18 och 50 år med permanenta tänder som uppvisar periapikal patologi.
- Inget könspredilektion.
- Alla patienter måste ha god oral hygien.
- Restaurerbara tänder.
- Positiv patientacceptans för deltagande i studien.
- Patienter som kan skriva under informerat samtycke.
Exklusionskriterier:
- Patienter över 50 år eller patienter under 18 år.
- Patienter med mycket dålig oral hygien.
- Gravida kvinnor efter detaljerad anamnes och graviditetstest måste vara vid första besöket.
- Psykiskt störda patienter.
Tänder som har:
- Parodontal påverkan med grad 2 eller 3 mobilitet.
- Ej restaurerbara tänder.
- Onormal anatomi och kalcifierade kanaler.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Diagnostisk
- Tilldelning: Randomiserad
- Interventionsmodell: Sekventiell tilldelning
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Aktiv komparator: konstrålsdatortomografi
detektering av radiolucenta periapikala läsoner med konstrålsdatortomografi
|
Kegelstrålesdatortomografiska skanningar för att upptäcka förekomsten av periapikala lesioner av specialiserade utredare.
|
|
Aktiv komparator: artificiell intelligensprogramvara
Cone beam CT-scan kommer att laddas upp till mjukvara för artificiell intelligens för att säkerställa att mjukvaran kommer att upptäcka radioucenta periapikala lesioner jämfört med Cone beam CT-scanningar.
|
artificiell intelligensprogramvara som hjälper till med diagnostik inom tandvård
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
CBCT-skanningar
Tidsram: 1 år
|
Närvaro av periapikal läsion på CBCT-avbildningar
|
1 år
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Noggrannhet av mjukvara för artificiell intelligens
Tidsram: 1 år
|
Jämföra resultat från CBCT-skannrar med artificiell intelligensprogramvara vid detektering av periapikala lesioner.
|
1 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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)
6 december 2024
Primärt slutförande (Faktisk)
1 november 2025
Avslutad studie (Faktisk)
21 december 2025
Studieregistreringsdatum
Först inskickad
21 december 2025
Först inskickad som uppfyllde QC-kriterierna
21 december 2025
Första postat (Faktisk)
6 januari 2026
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
6 januari 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
21 december 2025
Senast verifierad
1 december 2025
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- (52)/11-2024
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
JA
Tidsram för IPD-delning
inom 1 år från registrering av studieprotokollet
Kriterier för IPD Sharing Access
inom 1 år från registrering av studieprotokollet
IPD-delning som stöder informationstyp
- STUDY_PROTOCOL
- ICF
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
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 .