- Austria / Österreich
- Bośnia i Hercegowina / Босна и Херцеговина
- Bułgaria / България
- Chorwacja / Hrvatska
- Czechy i Słowacja / Česká republika & Slovensko
- Francja / France
- Niemcy / Deutschland
- Grecja / ΕΛΛΑΔΑ
- Włochy / Italia
- Holandia / Nederland
- nordycki / Nordic
- Polska / Polska
- Portugalia / Portugal
- Rumunia i Mołdawia / România & Moldova
- Słowenia / Slovenija
- Serbia i Czarnogóra / Србија и Црна Гора
- Hiszpania / España
- Szwajcaria / Schweiz
- indyk / Türkiye
- Wielka Brytania i Irlandia / UK & Ireland
Implanty zębowe stają się coraz bardziej powszechną metodą leczenia bezzębnych pacjentów, coraz ważniejsze staje się zrozumienie ich potencjalnych skutków ubocznych. Amerykański zespół badawczy opracował w ten sposób nowatorski algorytm uczenia maszynowego, który może pomóc lekarzom dentystom w lepszym przewidywaniu ryzyka wystąpienia periimplantitis u pacjentów z implantami.
Badanie zostało przeprowadzone przez interdyscyplinarny zespół z University of Michigan, Michigan State University i Harvard School of Dental Medicine. Zdaniem naukowców periimplantitis wpływa na długoterminowe wskaźniki powodzenia co najmniej 25% implantów dentystycznych, ponieważ zapalenie prowadzi do utraty podtrzymującej kości. Dalsze komplikacje w leczeniu periimplantitis wynikają z faktu, że obecnie nie ma niezawodnej metody dokładnego przewidywania reakcji pacjenta na leczenie.
Próbując rozwiązać ten problem, zespół badawczy opracował algorytm uczenia maszynowego, który nazwali Szybka i solidna dekonwolucja profili ekspresji - w skrócie FARDEEP. FARDEEP został następnie wykorzystany do zbadania profilu klinicznego, mikrobiologicznego i immunologicznego grupy pacjentów z implantami poddawanych terapii regeneracyjnej, aby pomóc skorygować zaawansowane defekty okołowszczepowe. W ten sposób zespół był w stanie zmierzyć względne poziomy niektórych szkodliwych bakterii i pomocnych komórek odpornościowych w każdej próbce tkanki pobranej od pacjentów.
Ogólnie stwierdzono, że większa liczba typów komórek odpornościowych związanych z kontrolą drobnoustrojów jest silnie skorelowana z lepszymi wynikami klinicznymi. Według dr. Jeffa Wanga, głównego autora badania i adiunkta klinicznego na University of Michigan School of Dentistry, wyniki znacznie poprawiły zrozumienie przez zespół badawczy natury periimplantitis i mogą pomóc im „lepiej zrozumieć, jak zapewnić precyzyjną opiekę . ”
„Najbardziej bezpośrednim zastosowaniem klinicznym tego badania będzie pomoc w przewidywaniu wyników chirurgicznej terapii regeneracyjnej w przypadku zapalenia okołowimplantowego” - powiedział Wang w wywiadzie dla Dental Tribune International.
„Kiedy pacjent ma ciężkie periimplantitis, trudno jest podjąć decyzję, czy leczyć, czy usunąć implant. Terapia regeneracyjna jest droga, ale nieprzewidywalna; odbudowa kości i wymiana implantu to także wyzwanie” - dodał. „Dlatego informacje prognostyczne mogą być bardzo pomocne w określeniu najlepszego sposobu leczenia dla każdego indywidualnego pacjenta”.
Chociaż potencjał FARDEEP jest obiecujący, Wang przyznał, że potrzebne będą dalsze badania kliniczne, zanim będzie można go zastosować przez dentystów do pomocy w przewidywaniu ryzyka zapalenia okołowimplantowego u pacjentów.
„To było badanie pilotażowe, ponieważ planujemy przeprowadzić większe badania kliniczne w celu walidacji” - zauważył.
Badanie, zatytułowane „Profilowanie immunologiczne wspomagane uczeniem maszynowym, stratyfikuje pacjentów z zapaleniem okolic implantu o unikalnej kolonizacji drobnoustrojów i wynikach klinicznych”, zostało opublikowane 3 maja 2021 r. W Theranostics.
To post a reply please login or register