此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

基于AI的口腔癌患者关节活动度物理治疗评估系统

2026年4月6日 更新者:National Taiwan University Hospital

人工智能物理治疗评估系统在口腔癌患者口颌及颈肩关节活动度评估中的有效性与可靠性

本研究旨在评估一种新型基于人工智能的物理治疗评估系统在测量口颌和颈肩关节活动度(ROM)方面的有效性和可靠性。 传统的ROM评估依赖于手动测量,可能受到评估者经验和变异性的影响。 提出的AI系统采用自动关键点跟踪技术,提供客观和标准化的测量。

在这项横断面研究中,健康成年参与者将执行标准化的ROM任务。 AI系统获得的测量结果将与两名独立评估者使用传统临床工具获得的测量结果进行比较。 将进行重复测量以评估评估者内和评估者间的可靠性。 将评估AI系统与人类评估者之间的一致性,以确定该系统的临床适用性。

研究概览

地位

招聘中

详细说明

本研究是一项横断面测量研究,旨在评估基于人工智能的物理治疗评估系统在评估口下颌和颈肩部活动度(ROM)时的可靠性和同时效度。 参与者为年龄在20至70岁之间、符合预设纳入和排除标准的健康成年人。 在提供知情同意后,参与者将执行标准化的动作,包括张口以及颈部和肩部的ROM任务。

每位参与者将对每个动作进行三次重复测量。 ROM将通过三种方法进行评估:(1)使用基于人工智能的系统,该系统利用实时关键点跟踪和自动角度计算;(2)由评估者1进行手动测量;(3)由评估者2使用测角器或TheraBite ROM量表进行独立手动测量。

为最小化测量偏差和疲劳效应,三种评估方法的顺序将对每位参与者进行随机化安排。 评估者将对彼此的测量结果以及人工智能生成的结果保持盲态。

主要结局指标包括人工智能系统的评估者间可靠性和评估者内可靠性,以及基于人工智能的测量与手动测量之间的一致性。 可靠性将通过组内相关系数(ICC)进行评估,而一致性将通过Bland-Altman分析和平均绝对误差(MAE)进行评估。

本研究预期将为基于人工智能的物理治疗评估工具的临床适用性提供证据,特别是在标准化和可扩展的肌肉骨骼评估方面。

研究类型

观察性的

注册 (估计的)

20

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。

学习联系方式

学习地点

      • Taipei、台湾、100
        • 招聘中
        • School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan University
        • 接触:
          • Yueh-Hsia Chen, Ph.D

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

研究人群由通过非概率抽样招募的20至70岁健康成年志愿者组成。 无牙关紧闭、头颈癌病史或影响头、颈、肩区域肌肉骨骼疾病的参与者符合资格。 所有参与者均能遵循指示并执行标准化运动任务。 选择此人群旨在建立基线测量性能,并在受控条件下评估基于AI的物理治疗评估系统的可靠性和有效性。

描述

纳入标准:

  • 年龄在20至70岁之间的健康成人
  • 无牙关紧闭
  • 无头、颈或肩部损伤或手术史
  • 无头颈部癌症相关放疗或化疗史

排除标准:

  • 无法沟通或遵循指示
  • 任何可能影响运动表现的情况

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
健康组
招募了年龄在20至70岁之间、无颞下颌关节强直史、无头、颈或肩部损伤或手术史、无头颈部肿瘤相关放疗或放化疗史的成年人。

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
AI与人工测量间协议
大体时间:基线
基于AI的测量与手动测量之间的一致性采用组内相关系数(ICC)和Bland-Altman分析进行评估
基线

次要结果测量

结果测量
措施说明
大体时间
平均绝对误差(MAE)
大体时间:基线
AI测量与人工测量之间的平均绝对差异
基线
人类评估者的内部评分者可靠性
大体时间:巴塞林特
通过组内相关系数(ICC)评估评分者1和评分者2在重复试验中人工测量结果的一致性
巴塞林特
所有评分者之间的评分者间信度
大体时间:基线
将使用组内相关系数(ICC)评估AI系统、评分者1和评分者2所获测量结果之间的一致性
基线
AI系统的评估者内可靠性
大体时间:基线
基于AI的测量在三次重复试验中的一致性,使用组内相关系数(ICC)进行评估
基线
系统性测量偏差
大体时间:基线
AI 测量与人工测量的平均差异
基线

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:Yueh-Hsia Chen, Ph.D.、School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan 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。

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)

2026年4月7日

初级完成 (估计的)

2026年5月31日

研究完成 (估计的)

2027年12月31日

研究注册日期

首次提交

2026年3月29日

首先提交符合 QC 标准的

2026年3月29日

首次发布 (实际的)

2026年4月3日

研究记录更新

最后更新发布 (实际的)

2026年4月13日

上次提交的符合 QC 标准的更新

2026年4月6日

最后验证

2026年3月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

IPD 计划说明

出于隐私考虑和机构规定,个人参与者数据(IPD)将不会共享。 尽管人工智能系统处理的是去标识化的关键点数据,该数据集仍可能包含可被重新识别的信息。 根据合理请求,经机构审查和数据保护政策批准后,可考虑数据共享。

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅