基于人工智能临床知识的混合系统在 OPG 图像中检测牙周炎的准确性
基于 AI 临床知识的混合系统使用 OPG 图像诊断 II-IV 期牙周炎的诊断准确性是多少？一项多中心研究
研究概览
详细说明
牙周炎是一个主要的公共卫生问题，因为它在世界范围内发病率很高，具有巨大的社会经济影响，并对个人的生活质量产生相当大的影响。 然而，人群中的牙周炎在很大程度上仍未被发现。 提高人们对牙周健康的认识并加强牙周炎的早期诊断以确保及时干预至关重要。
2018 年牙周和种植体周围疾病和病症分类定义了牙周炎的四个阶段，从初始阶段（第一阶段）到晚期阶段（第四阶段）。 在第二至第四阶段，综合治疗程序至关重要，否则牙齿甚至整个牙列脱落的风险很高。 尽管临床检查被认为是确定牙周炎分期的金标准，但该过程费力且耗时，需要经验丰富的专家。 因此，非常需要替代的经济有效但可靠且有效的方法来区分 II-IV 期牙周炎诊断，特别是在公共社区。
正射影像 (OPG) 也称为全景放射线照相，是一种非侵入性低剂量成像技术，可在一次手术中提供颌面部区域的全面视图。 作为口外X光片，它在捕获图像方面具有优势，特别是在患者难以张开嘴或表现出明显的呕吐反射而妨碍口内胶片使用的情况下。 因此，OPG 可能是世界上最常拍摄的牙科 X 光片，并可能成为区分人群中 II-IV 期牙周炎的有效工具。 最近，已经开展了一些利用 OPG 图像进行牙周炎诊断的研究。 然而，这些研究的策略依赖于临床医生对特定标志的放射照相注释，这可能缺乏令人信服的准确性。 此外，只有高质量的射线照片才能成为牙周炎诊断的有价值的辅助手段，因此许多可用的 OPG 图像具有解剖结构的叠加、不成比例的图像放大、失真和模糊可能会降低所开发系统的通用性。
人工智能（AI）已成为包括牙科在内的各个医学领域的强大工具。 基于人工智能的算法，特别是深度学习技术，在图像分析、模式识别和决策方面表现出了卓越的能力。 近年来，人工智能技术在牙科领域的融合，为提高诊断的准确性和效率开辟了新途径。 基于人工智能的算法或许能够识别 OPG 图像中人眼无法察觉的一些特征，从而能够检测出细微的骨质流失，并实现更准确的牙周分期诊断。
值得注意的是，我们最近的研究结果表明，结合人工智能算法和临床知识的混合系统在区分 II-IV 期牙周炎方面具有良好的性能。 在该混合系统的开发过程中，仅利用了经验丰富的专家提供的临床信息，并且没有使用放射线照相注释。 尽管我们最初的研究开发了混合系统的巨大潜力，但有必要在不同的独立群体中进一步训练和验证它，因为从一个样本得出的预测规则可以在另一个样本/群体中表现更好。 此外，可以合理地假设从不同机器拍摄的 OPG 图像可能会极大地影响所开发的混合系统的准确性。 因此，进行多中心研究以收集来自世界各地不同中心的不同 OPG 图像是合乎逻辑的，该数据集将用于进一步训练和验证混合系统，确保其在牙周炎诊断中的准确性和有效性。
在本研究中，我们将比较新型人工智能临床混合系统（指数测试）与专家小组（参考标准）的诊断特征。 专家将对所有射线照片进行独立评估，如果发现任何差异，将达成一致。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名：Maurizio Tonetti
- 电话号码：15000102368
- 邮箱：maurizio.tonetti@ergoperio.eu
学习地点
-
-
Shanghai
-
Shanghai、Shanghai、中国、201206
- 招聘中
- Shanghai Perio-Implant Innovation Center
-
接触：
- Yuan Li
- 电话号码：13916337473
- 邮箱：ly9919@hotmail.com
-
-
-
-
-
Roma、意大利
- 招聘中
- La Sapienza Dental School
-
接触：
- Lorenzo Marini
- 邮箱：lorenzo.marini@uniroma1.it
-
-
-
-
-
Hong Kong、香港
- 招聘中
- Prince Philip Dental Hospital
-
接触：
- George Pelekos
- 邮箱：george74@hku.hk
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
- 到上海市第九人民医院浦东诊所就诊的患者；
- 到上海市第九人民医院南门诊部就诊的患者；
- 在香港菲利普亲王牙科医院求医的患者；
- 在意大利罗马大学 La Sapienza 寻求治疗的患者；
描述
纳入标准：
- 18岁或以上
- 拍摄 OPG 图像后
排除标准：
- 无牙颌口
学习计划
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
在医院接受护理的受试者
该小组由在四家参与医院（中国、香港特别行政区、意大利）之一报告接受护理的受试者组成，他们需要 OPG X 光片进行常规临床护理。
|
Index 测试是一种新颖的基于人工智能临床的混合系统，用于放射线图像分析。
其诊断性能将与专家小组代表的参考进行比较。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
灵敏度测量
大体时间：1天
|
基于人工智能临床的混合系统正确识别专家小组标记的牙周炎病例的敏感性
|
1天
|
|
特异性测量
大体时间：1天
|
基于人工智能临床的混合系统的特异性，可正确识别专家小组标记的牙周炎病例
|
1天
|
|
受试者工作特征曲线下面积 (AUC) 测量
大体时间：1天
|
基于人工智能临床的混合系统的受试者工作特征曲线下面积（AUC）测量，以正确识别由专家小组标记的牙周炎病例
|
1天
|
|
诊断准确率
大体时间：1天
|
基于AI临床的系统的整体诊断准确性将根据真实测试结果的比例计算[准确性=（真阳性+真阴性）/（总）]并与专家小组进行比较
|
1天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
评估时间
大体时间：1天
|
基于AI临床的混合系统和专家小组对每张OPG图像的诊断所需时间的比较
|
1天
|
合作者和调查者
调查人员
- 首席研究员：Maurizio Tonetti、Shanghai Ninth People Hospital
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.