Forbedring af mundtlig og systemisk sundhed hos personer med prediabetes gennem personaliserede mundhygiejne råd leveret af tandlæger eller af AI

Prediabetes er et mellemstadium før udviklingen af ​​diabetes, kendetegnet ved forhøjede blodsukkerniveauer, men lavere end de diagnostiske kriterier for diabetes og er forbundet med flere langvarige komplikationer. Denne systemiske sygdom er gensidigt knyttet til inflammatoriske tandkødssygdomme gennem cirkulerende inflammatoriske mediatorer. Forholdet mellem oral sundhed og prediabetes ledelse er længe blevet undervurderet. Mennesker med prediabetes har en 2-3 gange større risiko for periodontitis sammenlignet med mennesker uden prediabetes. Progressionen og sværhedsgraden af ​​periodontitis er også større hos prediabetiske patienter. I henhold til National Health and Nutrition Examination Survey er sværhedsgraden af ​​periodontitis positivt forbundet med risikoen såvel som forekomsten af ​​prediabetes. Et voksende data af data indikerer, at oral betændelse har indflydelse på generelle sygdomme. Styring af inflammatoriske tyggegummi sygdomme forbedrer blodsukkerniveauet og reducerer langvarige komplikationer. Selvom det er vigtigt at opretholde god mundhygiejne gennem hjemmepleje, er det vigtigt for håndtering af inflammatoriske tandkødssygdomme, er tæt overvågning af patienters hjemmepleje arbejdskrævende og dyrt.

I dag kan kunstig intelligens (AI) let hjælpe med selvudfordeling af sygdomme, herunder tandkødssygdom, hvilket giver ældre voksne mulighed for at identificere sygdomme tidligt og forhindre yderligere komplikationer. Brugen af ​​AI-baseret mHealth er blevet mere og mere effektiv til at fremme periodontal sundhed ved at vedtage enkle, AI-drevne selvtest ved hjælp af smartphones. En anden systematisk gennemgang foretaget af efterforskers team fandt, at AI-baseret mHealth for oral hygiejne og overvågning af tandkødssygdomme viste klinisk effektivitet på tværs af forskellige kliniske scenarier. Undersøgere -teamet har allerede lanceret et AI -system til påvisning af tandkødssygdomme ved hjælp af smartphone intraoral fotografering, hvor systemet kan detektere farveændringer af tandkødsbetændelse på specifikke steder i intraoral fotografering og diagnosticere som tre enkle situationer (svær, mild og ingen betændelse). AI -systemet har høj følsomhed 92% til at identificere sygdom fra steder, der har gingivitis, og høj specificitet 94% til at identificere sundt væv fra steder, der ikke har nogen gingivitis ved hjælp af professionel intraoral fotografering. Desuden har efterforskerne testet, at nøjagtigheden af ​​farve, der er fanget af en smartphone, er sammenlignelig med den, der er fanget af et professionelt reflekterende kamera med én linse. Efterforskningsholdet har allerede anvendt den AI-drevne smartphone-fotografering blandt 38 ældre voksne i 5 dagscarecentre i Hong Kong til at teste deltagernes gummisundhed. Resultatet er lovende med nøjagtighed på 96% følsomhed og 82% specificitet. Den nuværende undersøgelse vil anvende AI -teknologi på sygdomsdetektion og give personlig oral sundhedsinstruktion (OHI) tæt på patienterne for at opretholde periodontal sundhed og følgelig prediabetisk kontrol.

I denne undersøgelse er hypotesen, at brugen af ​​AI kan forbedre hjemmepleje og derved forbedre både tandkødets sundhed og systemisk sundhed, svarende til menneskelige tandlægefolk.