歯科矯正治療後の肺胞骨欠損リスク予測のための機械学習ベースの予測モデル
Ailin Xu1, Sen Yang1, Shan Dong1
1Department of Orthodontics, Beijing Stomatological Hospital, Capital Medical University, Capital Medical University School of Stomatology, Beijing, China.
Orthodontics & craniofacial research
|December 25, 2025
まとめ
この研究では、歯科矯正治療後の肺胞骨欠損リスクを予測するために、XGBoost機械学習モデルを開発しました。このモデルはリスクの高い患者を正確に特定し、個別化された治療計画を支援します。
科学分野:
- 歯科矯正および歯科研究
- ヘルスケアにおける人工知能
- 生物医学データサイエンス
背景:
- 肺胞骨欠損（開窓や脱落など）は、歯科矯正治療の一般的な合併症です。
- これらの欠損は、治療結果と長期的な口腔の健康に悪影響を与える可能性があります。
- これらの合併症を予防および管理するためには、正確なリスク評価が不可欠です。
研究 の 目的:
- 歯科矯正治療後の肺胞骨欠損のリスクグレードを分類するための機械学習モデルを開発および検証すること。
- 肺胞骨欠損発生の主要な予測因子を特定すること。
- 歯科矯正医のための臨床的意思決定支援ツールを提供すること。
主な方法:
- 354人の患者を対象とした後向きコホート研究。
- 5つの機械学習モデル（XGBoost、SVM、MLP、ロジスティック回帰、決定木）の開発。
- LASSO回帰を使用した特徴選択。精度、AUC、適合率、再現率、F1スコアを使用したパフォーマンス評価。
- SHAP分析を使用したXGBoostモデルの解釈。
主要な成果:
- LASSO回帰は23の重要な予測因子を特定しました。XGBoostモデルは20の変数を使用しました。
- XGBoostモデルは、精度0.9429、AUC 0.9955で優れたパフォーマンスを達成しました。
- 主要な予測因子には、治療前の骨欠損スコア、基底骨弓幅、および下顎後部長が含まれていました。
- XGBoostは従来のメソッドよりも大幅に優れたパフォーマンスを発揮しました。
結論:
- 肺胞骨欠損リスクを予測するために、XGBoostモデルが正常に開発されました。
- このモデルは高い精度を示し、既存のメソッドよりも優れたパフォーマンスを発揮します。
- このツールは、歯科矯正医が治療前のリスク評価と個別化された治療計画を立てるのに役立ちます。
