基于人工智能的程序，根据临床图像分析对口腔检查结果进行分类
2025年6月1日 更新者：Noran Ayman Mohammad Ismael Abdel-Moaty、Cairo University
应用人工智能程序根据临床图像分析对口腔检查结果进行分类
本研究旨在开发一种人工智能程序，通过临床照片分析将口腔检查结果分类为正常/正常变异或口腔疾病，有助于降低口腔疾病误报和漏报诊断的百分比。
研究概览
详细说明
口腔病变，特别是口腔癌的早期诊断对于改善预后、促进早期干预和护理以降低疾病相关死亡率至关重要。
由于传统口腔检查（COE）是识别口腔病变最常用的方法，因此牙科医生的平均经验是早期诊断的决定性因素。
目视检查缺乏特异性和敏感性，因为它具有高度主观性。 不幸的是，研究表明，大多数牙医缺乏早期发现疾病的专业知识，导致口腔病变的假阴性诊断。
人们发现，全科医生要么延迟将疑似口腔病变转诊给口腔医学专家，要么转诊大量假阳性病例，不必要地将患者推入焦虑和癌症恐惧症的状态。 假阳性转诊使专家负担过重，最终会因假阳性病例过度饱和而导致真阳性病例的诊断延迟。
诊断研究范围转向无创、简便的椅旁方法，以更高精度早期检测口腔病变。 最近使用基于机器的程序的方法表明，这种机器学习方法可能有助于口腔癌的检测和诊断。
研究类型
观察性的
注册 (实际的)
241
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
-
Cairo、埃及、11553
- Faculty of dentistry, CairoU
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
是的
取样方法
非概率样本
研究人群
患者年龄应在18岁以上，无最高年龄限制。
正常口腔检查结果、口腔解剖标志的变化、有口腔病变的患者都包含在该研究中。
描述
纳入标准：
A) 18 岁以上的患者 B) 口腔表现正常的考生 C) 口腔表现不同的考生 D) 口腔病变不同的考生
排除标准：
- 18岁以下患者
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
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 |
|---|---|
|
正常解剖标志的正常/变化
具有正常口腔表现或正常解剖标志变化的患者，例如：白质水肿、福代斯颗粒、白线、生理色素沉着、腭环、下颌环、地图舌、裂隙舌
|
基于人工智能的程序基于图像分析
|
|
低风险转介
因恶性转化疾病风险较低而需要转诊的患者，例如：血管瘤、纤维瘤、口腔溃疡、念珠菌感染、寻常型天疱疮、瘀点、摩擦性角化病、吸烟者黑变病。
|
基于人工智能的程序基于图像分析
|
|
高风险转介
因恶性肿瘤或癌前疾病的高风险需要转诊的患者，例如：口腔扁平苔藓、白斑、红斑、鳞状细胞癌。
|
基于人工智能的程序基于图像分析
|
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 |
|---|---|---|
|
风险分层
大体时间：3个月开发程序
|
患者要么正常，没有风险或需要转诊，要么恶变疾病风险低，要么恶变疾病风险高。
|
3个月开发程序
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Noran AM AbdelMoaty, MsC、Cairo University
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Khanagar SB, Al-Ehaideb A, Maganur PC, Vishwanathaiah S, Patil S, Baeshen HA, Sarode SC, Bhandi S. Developments, application, and performance of artificial intelligence in dentistry - A systematic review. J Dent Sci. 2021 Jan;16(1):508-522. doi: 10.1016/j.jds.2020.06.019. Epub 2020 Jun 30.
- Varela-Centelles P, Lopez-Cedrun JL, Fernandez-Sanroman J, Seoane-Romero JM, Santos de Melo N, Alvarez-Novoa P, Gomez I, Seoane J. Key points and time intervals for early diagnosis in symptomatic oral cancer: a systematic review. Int J Oral Maxillofac Surg. 2017 Jan;46(1):1-10. doi: 10.1016/j.ijom.2016.09.017. Epub 2016 Oct 15.
- Seoane Leston JM, Aguado Santos A, Varela-Centelles PI, Vazquez Garcia J, Romero MA, Pias Villamor L. Oral mucosa: variations from normalcy, part I. Cutis. 2002 Feb;69(2):131-4.
- Tanriver G, Soluk Tekkesin M, Ergen O. Automated Detection and Classification of Oral Lesions Using Deep Learning to Detect Oral Potentially Malignant Disorders. Cancers (Basel). 2021 Jun 2;13(11):2766. doi: 10.3390/cancers13112766.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2024年4月1日
初级完成 (实际的)
2024年10月1日
研究完成 (实际的)
2024年12月1日
研究注册日期
首次提交
2024年3月16日
首先提交符合 QC 标准的
2024年3月16日
首次发布 (实际的)
2024年3月22日
研究记录更新
最后更新发布 (实际的)
2025年6月4日
上次提交的符合 QC 标准的更新
2025年6月1日
最后验证
2025年6月1日
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.