Algorytmy uczenia maszynowego pomocne w stomatologii

Search Dental Tribune

Algorytmy uczenia maszynowego mogą pomóc w przewidywaniu utraty zębów

Narzędzie do badań przesiewowych zostało zaprojektowane w taki sposób, aby mogło być używane również przez profesjonalistów niedentystycznych. (zdj.: Natalia Bachkova / Shutterstock)
Franziska Beier, Dental Tribune International

By Franziska Beier, Dental Tribune International

czw. 12 sierpnia 2021

save

BOSTON, USA: Niewiele wiadomo na temat czynników społeczno-ekonomicznych związanych z utratą zębów. W nowym badaniu naukowcy z Harvard School of Dental Medicine (HSDM) opracowali algorytmy uczenia maszynowego do przewidywania utraty zębów u dorosłych, które – oprócz oczywistych parametrów, takich jak wiek i opieka dentystyczna – uwzględniają czynniki społeczno-ekonomiczne pacjentów. Odkrycia sugerują, że narzędzia te mogą pomóc w identyfikacji zagrożonych zębów i zapewnienia wczesnej interwencji.

Ogólnie rzecz biorąc, utracie zębów można zapobiec, jeśli choroba zębów zostanie wykryta i wyleczona na wczesnym etapie. Potwierdzają to badania, które wykazały, że pacjenci, którzy chodzą regularnie na wizyty kontrolne, rzadziej tracą zęby. Jednak bariery takie jak dostęp do opieki dentystycznej i wysokie koszty mogą zniechęcać pacjentów do wizyty u dentysty. W Stanach Zjednoczonych decydującym czynnikiem może być to, że ubezpieczenie stomatologiczne dla dorosłych nie jest podstawową korzyścią zdrowotną w programach publicznego ubezpieczenia zdrowotnego. Ze względu na ten brak rutynowej opieki, do czasu wizyty u dentysty jest już za późno na ratowanie zęba, a ekstrakcja staje się najtańszą opcją. W tym miejscu narzędzie przesiewowe może pomóc na czas zidentyfikować pacjentów wysokiego ryzyka.

Zdaniem naukowców metody uczenia maszynowego znalazły zastosowanie w medycynie, aby dostarczać informacji potrzebnych do podejmowania decyzji klinicznych; jednak nie opracowano ich jeszcze do przewidywania wyników w zakresie zdrowia jamy ustnej. W związku z tym naukowcy opracowali i przetestowali pięć algorytmów przy użyciu różnych kombinacji parametrów — takich jak stan zdrowia i tło społeczno-ekonomiczne — w celu przewidywania utraty zębów u dorosłych i porównywania wydajności różnych narzędzi. Aby opracować narzędzia przesiewowe, zespół badawczy wykorzystał dane od prawie 12 000 osób dorosłych z National Health and Nutrition Examination Survey.

Decydujące cechy społeczno-ekonomiczne

Porównując działanie różnych algorytmów, naukowcy odkryli, że te modele, które uwzględniały cechy społeczno-ekonomiczne, takie jak rasa i wykształcenie, lepiej przewidywały utratę zębów niż modele oparte wyłącznie na tradycyjnych stomatologicznych wskaźnikach klinicznych.

„Nasza analiza wykazała, że ​​chociaż wszystkie modele uczenia maszynowego mogą być użytecznymi predyktorami ryzyka, te, które uwzględniają zmienne społeczno-ekonomiczne, mogą być szczególnie potężnymi narzędziami przesiewowymi do identyfikacji osób o podwyższonym ryzyku utraty zębów” – powiedział główny autor dr. Hawazin Elani, adiunkt polityki zdrowia jamy ustnej i epidemiologii w HSDM, w komunikacie prasowym uniwersytetu.

„Ta praca podkreśla znaczenie społecznych uwarunkowań zdrowia. Znajomość poziomu wykształcenia pacjenta, statusu zatrudnienia i dochodów jest tak samo istotna dla przewidywania utraty zębów, jak ocena ich klinicznego stanu uzębienia ”- dodała.

Oprócz sytuacji społeczno-ekonomicznej pacjentów, zespół badawczy określił również istniejące wcześniej schorzenia jako predyktory utraty zębów. „Odkryliśmy, że stany chorobowe – takie jak zapalenie stawów, cukrzyca, wysoki poziom cholesterolu, nadciśnienie i choroby sercowo-naczyniowe – są jednymi z predyktorów utraty zębów. Klinicyści mogliby wykorzystać te informacje do zbadania pacjentów z wysokim ryzykiem utraty zębów i koordynowania ich skierowania i opieki stomatologicznej ”- stwierdzili.

Opracowane narzędzie może być wykorzystywane przez różnych świadczeniodawców

Narzędzie do badań przesiewowych zostało zaprojektowane do stosowania na całym świecie i w różnych placówkach opieki zdrowotnej, nawet przez specjalistów niedentystycznych, ponieważ ocenia ryzyko utraty zębów bez konieczności badania stomatologicznego. Jednak każdy pacjent, u którego stwierdzono wysokie ryzyko utraty zęba, nadal musiałby przejść faktyczne badanie.

Badanie zatytułowane „Predictors of tooth loss: A machine learning” zostało opublikowane 18 czerwca 2021 r. w PLOS ONE.

Leave a Reply

Your email address will not be published. Required fields are marked *

advertisement
advertisement