公共および民間歯科クリニックのワークフロー規制ツールとして治療期間を予測するハイブリッド機械学習モデルの開発

科学分野:

• 歯科
• 人工知能
• 医療情報学

背景:

• 歯科治療の期間を予測することは 効率的な診療管理に不可欠です
• 時間の見積もりのための既存の方法は精度が不足しているかもしれません.
• 機械学習は医療における予測精度を高める 新しいアプローチを提供します

研究 の 目的:

• 歯科治療期間を予測する機械学習ベースのデスクトップアプリケーションを開発する.
• 開発された予測モデルの正確性と臨床的効率を評価する.
• 歯科における機械学習予測における Google SerpApi サービスの有用性を探求する.

主な方法:

• 機械学習アルゴリズムを組み込んだ Python を使用したソフトウェア開発.
• トレーニング (2500) とテスト (250) のために,歯科治療記録2750のデータセットを使用しました.
• モデルの性能評価のためのSpearman相関,R2,および平均絶対誤差.

主要な成果:

• このモデルは,治療期間におけるバリエーションの97. 32%を予測するR2値で高い精度を達成した.
• 平均絶対誤差は2.6432分で,正確な予測を示しています.
• Spearmanの相関は強い正の関係を示した (r=0. 96,p<0. 001).
• 参加者の年齢と性別は予測の正確性に有意な影響を及ぼさなかった.

結論:

• 機械学習は 歯科のワークフローと 臨床効率の最適化に 大きな希望を示しています
• Google SerpApiの統合は,特にデータ不足のシナリオでは有効であることが示されました.
• 電子患者記録システムは医療施設における AI アプリケーションの進歩に不可欠です