使用机器学习来分类关部疾病:一个概念验证
Fernanda Pretto Zatt1, João Victor Cunha Cordeiro1, Lauren Bohner1
1Universidade Federal de Santa Catarina (UFSC), Departamento de Odontologia, Florianópolis, Brasil.
Journal of applied oral science : revista FOB
|November 6, 2024
概括
人工智能,特别是机器学习,在诊断关节障碍 (TMD) 方面表现有前途. 决策树模型准确地分类关节和肌肉疼痛,帮助全科医生进行诊断.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 部部疾病 (TMD) 对非专家提出了诊断挑战.
- 整合人工智能可以减少TMD的诊断差异.
- 准确的TMD诊断对于有效的患者管理至关重要.
研究的目的:
- 评估用于分类TMD的机器学习模型.
- 使用国际口腔面部疼痛分类 (ICOP-1) 进行诊断.
- 评估AI在帮助牙医实践者的潜力.
主要方法:
- 开发了一个基于决策树的机器学习模型.
- 使用了来自多学科耳鼻面部疼痛中心 (CEMDOR) 的患者数据.
- 根据ICOP-1将TMD分类为肌肉或关节疾病.
主要成果:
- 该模型在关节疼痛分类方面实现了84%的准确性和0.85 F1分数.
- 肌关节疼痛分类达到78%的准确性和0.76 F1分数.
- 这两种模型都有效地使用了2-5个临床变量.
结论:
- 基于决策树的机器学习支持TMD分类.
- 人工智能工具可以帮助全科医生诊断TMD.
- 这种方法具有显著的潜力,可以提高TMD诊断的准确性.
