Modelo de predicción de periodontitis utilizando registros electrónicos de salud y dentales vinculados

Área de la Ciencia:

• Investigación en salud oral Investigación en salud oral.
• La informática médica es la informática médica.
• Inteligencia Artificial en el cuidado de la salud.

Sus antecedentes:

• La enfermedad periodontal (EP) está vinculada a la salud sistémica, sin embargo, los modelos predictivos a menudo excluyen datos médicos.
• Los modelos existentes que se centran únicamente en los registros dentales limitan la evaluación integral del riesgo.

Objetivo del estudio:

• Mejorar la predicción del riesgo de enfermedad periodontal (EP) mediante la integración de registros dentales electrónicos (EDR) con registros electrónicos de salud (EHR) utilizando el aprendizaje automático (ML).

Principales métodos:

• Se utilizaron datos EDR y EHR de pacientes adultos, vinculando información dental y médica.
• Desarrolló técnicas automatizadas de reducción de características para el extenso preprocesamiento de datos de EHR.
• Se entrenaron y evaluaron modelos de ML (Gaussian Naive Bayes, Random Forest, LightGBM, XGBoost) utilizando validación cruzada.

Principales resultados:

• El mejor modelo, utilizando características seleccionadas chi-cuadrado, logró un 85% de especificidad, un 67% de sensibilidad y un 84% de AUC.
• Los factores dentales como la higiene bucal y el tabaquismo fueron predictores dominantes.
• Las afecciones sistémicas (cardiovasculares, endocrinas, renales) contribuyeron significativamente a la predicción del riesgo de EP.

Conclusiones:

• Se observaron fuertes asociaciones entre la salud sistémica y la salud bucal, a pesar de que los factores dentales son predictores primarios.
• La integración de registros médicos y dentales puede guiar a los médicos en la identificación de pacientes de alto riesgo para una intervención temprana.
• Los modelos impulsados por la IA muestran potencial para la atención personalizada y la mejora de la gestión de la salud interdisciplinaria.