在临床牙周预测系统和机器学习预测模型之间探索牙损失预测的准确性
Pasquale Santamaria1, Giuseppe Troiano2, Matteo Serroni3,4
1Periodontology Unit, Centre for Host-Microbiome Interactions, Faculty of Dentistry, Oral and Craniofacial Sciences, King's College London, London, UK.
Journal of clinical periodontology
|August 7, 2024
概括
人工智能 (AI) 模型在预测牙周炎患者的牙损失方面表现有前途. 这些人工智能工具的性能与临床系统相比,为长期患者护理提供了潜在的更准确的方法.
科学领域:
- 牙周病学 牙周病学
- 人工智能在医学中的应用
- 预测建模的预测建模
背景情况:
- 牙周炎是导致牙脱落的重要原因之一.
- 准确预测牙损失对于有效的支持性牙周护理 (SPC) 至关重要.
- 现有的临床预后系统在预测长期结果方面存在局限性.
研究的目的:
- 将临床牙周预后系统 (TPS) 与基于人工智能的模型进行比较.
- 评估人工智能模型在接受SPC的牙周炎患者中预测10年牙损失的有效性.
- 评估开发的AI预测模型的外部验证.
主要方法:
- 临床和放射性参数被用来通过TPS通过校准检查员来分配牙预后.
- 人工智能模型 (逻辑回归和神经网络) 使用伦敦数据集开发.
- 模型在独立的匹兹堡数据集上进行了外部验证,重点是10年牙损失.
主要成果:
- 临床TPS在验证队列中表现出高特异性但非常低的敏感性.
- 基于人工智能的模型表现出适度的特异性,但具有高灵敏度和积极的预测值 (PPV).
- 神经网络 (NN) 和逻辑回归 (LR) AI 模型实现了高灵敏度 (98.29%,91.45%) 和PPV (89.1%,88.6%).
结论:
- 基于人工智能的模型提供了与牙损失临床预测模型相比较的性能.
- 人工智能模型在特定的预后风险类别中表现优越.
- 人工智能预测模型是预测牙周炎患者牙损失的有希望的工具.
