人工智能辅助的临床决策模型,用于管理没有永久继承者的保留第二叶叶
Ozge Colak1, William Tanberg2, Mohammed H Elnagar3
1Private Practice, Katy, Texas, USA.
Orthodontics & craniofacial research
|January 16, 2026
概括
一个使用机器学习的人工智能 (AI) 算法准确地帮助决策管理下保留的第二叶 (SDM) 没有永久的继承者. 患者的偏好,拥挤和软骨症是影响AI治疗准确性的关键因素.
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:
- 管理下保留的第二叶落 (SDM) 缺乏永久的继承者,这带来了临床挑战.
- 人工智能 (AI) 和机器学习为优化治疗决策提供了潜在的解决方案.
研究的目的:
- 开发和应用一个人工智能算法,以协助临床决策管理下保留SDM.
- 评估机器学习模型在预测最佳治疗策略方面的有效性.
主要方法:
- 一项回顾性研究分析了先天缺少下永久第二前和保留SDM的患者记录.
- 输入特征包括放射,摄影和临床数据.
- 四个机器学习模型 (多项逻辑回归,多层感知器,决策树,随机森林) 被训练和评估.
主要成果:
- 随机森林分类器在处理计划中实现了最高的准确性.
- 决策树模型表现出最低的准确性.
- 治疗决策准确性最强的预测因素包括患者对恢复的偏好,下弓拥挤和.
结论:
- 随机森林分类器在帮助管理保留的SDM的临床决策方面非常准确.
- 患者的偏好,下弓拥挤和结症显著影响治疗决策的准确性.
