开发一种人工智能模型,以协助牙周治疗决策:一项追溯纵向队列研究

科学领域:

• 牙周病学 牙周病学
• 人工智能在医学中的应用
• 医疗保健中的机器学习

背景情况:

• 牙周病带来了牙损失的重大风险.
• 准确预测牙损失对于有效的治疗计划至关重要.
• 预测牙脱落的现有方法可能缺乏对临床和放射性数据的全面整合.

研究的目的:

• 开发和验证人工智能 (AI) 驱动的模式,用于牙周治疗决策.
• 通过改进的治疗策略,尽量减少牙损失.
• 为临床医生提供可靠的工具来预测牙损失风险.

主要方法:

• 一项追溯纵向队列研究涉及3347颗牙,至少持续了10年.
• 机器学习模型使用参数进行训练和测试,包括探测口袋深度 (PPD),骨损失 (BL),全身疾病和治疗类型.
• 基于准确性,精度,回忆,F1得分和接收器操作特征曲线 (AUC-ROC) 下面面积的模型评估.

主要成果:

• 随机森林模型实现了卓越的性能,AUC得分为0.91,准确度为0.93.
• 发现了牙脱落与诸如年龄,PPD,骨损失和裂参与等变量之间的显著关联.
• 人工智能模型证明了牙损失的高预测准确度.

结论:

• 一个人工智能驱动的平台可以可靠地分层牙周治疗决策,并预测牙损失风险.
• 这种人工智能模型为牙周科治疗计划的个性化提供了支持的方法.
• 需要未来的前性研究来进一步验证人工智能模型的临床实用性.