机器学习辅助预测牙周治疗临床反应的临床反应
Balazs Feher1,2,3,4, Eduardo H de Souza Oliveira1, Poliana Mendes Duarte5
1Department of Oral Medicine, Infection, and Immunity, Harvard School of Dental Medicine, Boston, Massachusetts, USA.
Journal of periodontology
|April 21, 2025
概括
机器学习准确地预测个人牙周炎治疗结果,帮助个性化护理. 这种预测工具的临床使用需要进一步验证.
科学领域:
- 生物医学信息学 生物医学信息学
- 牙周病学 牙周病学
- 机器学习 机器学习
背景情况:
- 牙周炎是一种普遍存在的全球性炎症状况,与牙脱落和全身性问题有关.
- 对标准化牙周炎治疗的个体反应有很大的不同.
- 预测患者的结果对于有效的疾病管理至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测个人患者对牙周治疗的反应.
- 确定影响牙周炎患者治疗结果的关键基线参数.
- 评估ML模型在不同患者群体中的通用性.
主要方法:
- 一个随机森林ML模型被训练使用南美RCT中的414名牙周炎患者的18个特征.
- 该模型利用了人口统计,临床,微生物学和与治疗相关的数据.
- 在独立数据集上进行了内部和外部验证,包括北美/欧洲队列.
主要成果:
- 在内部测试中,ML模型表现出高的预测性能 (AUROC 0.93,AUPRC 0.90).
- 临床和与治疗相关的特征是最重要的预测.
- 该模型在外部测试中显示出有希望的结果 (AUROC 0.76,AUPRC 0.69).
结论:
- 基于ML的方法显示了预测个人牙周炎治疗结果的潜力.
- 开发的模型可以帮助临床医生个性化治疗策略.
- 建议对未来的临床实施进行前性验证.
