人工知能を用いた歯周病の進行を予測するモデル開発:縦断的なコホート研究
Camila Pinheiro Furquim1,2, Lannawill Caruth3,4, Ganesh Chandrasekaran5
1Department of Basic & Translational Sciences, School of Dental Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, USA.
Journal of clinical periodontology
|August 20, 2025
まとめ
機械学習モデルは,臨床データとIL-1βのような唾液バイオマーカーを使用して歯周炎の進行を正確に予測し,早期発見に役立ちます. 確率的なグラフィックモデルが 最高のパフォーマンスを示しました
科学分野:
- 歯周病学
- バイオマーカー
- 機械学習
背景:
- 歯周病は 歯茎と支える骨に影響を与える 一般的な炎症性疾患です.
- 歯周病の早期発見と予測は 効果的な治療に不可欠です
- 機械学習は高度な予測モデルを開発する可能性を秘めています
研究 の 目的:
- 歯周病の進行を予測するための機械学習モデルを開発し評価する.
- 異なる機械学習アルゴリズム (LR,MLP,PGM) のパフォーマンスを比較する.
- 歯周炎の進行に影響を与える主要な臨床的および唾液的要因を特定する.
主な方法:
- 歯周病と歯周病の健康な参加者の12ヶ月のマルチセンターの長期研究から得られたデータを使用した.
- 臨床データ,人口データ,唾液分析データ (10種) を収集した.
- 応用ロジスティック回帰 (LR),多層感知器 (MLP),確率グラフィックモデル (PGM);AUROCとSHAP値を用いて性能を評価した.
主要な成果:
- PGMモデルは,臨床的測定値,唾液IL-1β,年齢,および性別を併用して,最高性能を達成した (AUROC=0. 88).
- PGMはバランスのとれた感度 (0. 55) と特異性 (0. 81) を示し,LR (AUROC = 0. 72) とMLP (AUROC = 0. 58) を上回った.
- 特徴の重要性分析は,PGMとMLPモデルにおける重要な予測要因として,深い歯周病ポケットの数を特定した.
結論:
- 機械学習モデルは 歯周病の進行を効果的に予測し 早期発見戦略をサポートします
- IL-1βなどの唾液バイオマーカーと臨床データを統合すると,予測の正確性が向上します.
- PGMのアプローチは歯周病の管理における臨床応用が有望であることを示しています.
