現代のエンドドンティック微小手術における予後を予測するための臨床イメージングモデル: 機械学習に基づく遡及的な研究

科学分野:

• 歯科 歯科は歯科を専門とするものです.
• バイオメディカルエンジニアリング

背景:

• 内歯微小手術 (EMS) の結果を予測するモデルは限られている.
• この研究は,EMSにおける改善された予後ツールの必要性に対処しています.

研究 の 目的:

• EMSの予後を予測するための機械学習 (ML) アルゴリズムを評価する.
• EMSの結果の主要な患者,歯,および手順関連の予測要因を特定する.

主な方法:

• MLアルゴリズムを用いた213本の歯の遡及分析.
• データの事前処理には,クラス不均衡のSMOTE,機能選択のSelectKbestが含まれていました.
• ランダムフォレストのような分類者は訓練され,検証され,SHapley Additive Explanations (SHAP) は解釈に使用されました.

主要な成果:

• ランダム森林分類器は高い予測性能を達成しました (精度:91%,AUC:0.97).
• 予後不良の予測要因として,ガイデッド組織再生の欠如,根末部の充填の質の低下,および病変のサイズが挙げられます.

結論:

• ランダムフォレストモデルは,EMSの結果に対する強力な予測可能性を示しています.
• SHAP-derived predictorsは臨床的洞察を提供しますが,最終的な結論のために外部検証が必要です.