基于人工智能的预测建模使用保持器遵守和患者因素的正牙复发
Manish S Agrawal1, Riddhi Chawla2, Shahid Ahmed Khan3
1Department of Orthodontics and Dentofacial Orthopaedics, Bharati Vidyapeeth Deemed to be University Dental college and Hospital, Sangli, Maharashtra, India.
Bioinformation
|October 31, 2025
概括
使用人工智能模型分析保留器磨损数据,可以预测正牙复发. 这种方法有助于个性化保留策略,并改善患者的长期治疗稳定性.
科学领域:
- ортодонтика和牙科技术 牙科和牙科技术
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- ортодонтика复发是影响治疗结果和患者满意度的重大挑战.
- 有效的治疗后保留策略对于长期稳定性至关重要.
- 预测建模可以提供个性化的方法来管理复发风险.
研究的目的:
- 开发和验证一个人工智能驱动的正复发的预测模型.
- 利用基于微传感器的SMART保持器合规数据和患者特定的变量进行预测.
- 通过个性化保留策略来增强治疗后的稳定性.
主要方法:
- 一组156名患者被监测了24个月.
- 收集了SMART微传感器关于保持器合规性的数据.
- 采用随机森林算法构建了一个预测模型,分析诸如每日保持器磨损,治疗复杂性,年龄和缺陷严重程度等变量.
主要成果:
- 随机森林模型显示了高精度 (92.3%),灵敏度 (89.7%) 和特异性 (94.2%).
- 确定的关键预测因素包括每日支器磨损时间,治疗复杂性,完成时的年龄和初始缺陷严重程度.
- 该模型有效地识别了患有复发风险的患者.
结论:
- 使用保留器合规数据的AI驱动的预测建模在预测正复发方面是有效的.
- 开发的模型支持实施个性化保留计划.
- 基于预测性见解的早期干预可以显著改善治疗后的稳定性.
