Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

A fogágykezelés sikerességének előrejelzése gépi tanulással parodontitisben szenvedő betegeknél

2026. július 3. frissítette: Nezahat Arzu Kayar, Akdeniz University

Gépi tanulás segítségével kifejlesztett modell a parodontális kezelés utáni sikeresség előrejelzésére és az egyéni kockázatelemzésre: retrospektív kohorszvizsgálat

Ennek a tanulmánynak a célja egy klinikai döntéstámogató modell kifejlesztése, amely képes előre jelezni az optimális parodontális kezelési lehetőséget az egyes betegek szintjén egy többdimenziós adathalmaz felhasználásával, amely klinikai parodontális paraméterekből, radiográfiás leletekből, alkalmazott kezelési módokból és demográfiai jellemzőkből áll. Ebben az összefüggésben a tanulmány a személyre szabott kezelési tervezés erősítésére törekszik azáltal, hogy azonosítja a leghatékonyabb terápiás megközelítést azok számára, akik parodontális ellátásra jelentkeznek.

A tanulmány áttekintése

Részletes leírás

A parodontitis egy nagyon gyakori, összetett és multifaktoriális krónikus gyulladásos állapot, amely a fogínyre, a parodontális szalagra, a cementumra és az alveoláris csontra hat, amelyben egy mikrobák által hajtott, gazdaszervezet által közvetített immun-gyulladásos reakció végül parodontális tapadási vesztéshez és alveoláris csontfelszívódáshoz vezet.

A parodontitis diagnózisa a parodontális szövetek alapos klinikai és radiográfiai felmérésén alapul. A betegség jellemzése általában magában foglalja azon fogak számát és arányát, amelyeknél a szondázási zsebmélység meghaladja bizonyos küszöbértékeket (leggyakrabban >4 mm vérzéssel szondázáskor és ≥6 mm), a parodontitis miatt elvesztett fogak számát, a csonton belüli defektusokat mutató fogak számát és a furkációs érintettséget mutató fogak számát, amelyek mindegyike klinikailag értelmes mutatóként szolgál. A 2017-ben kiadott osztályozási frissítés forradalmasította a parodontális diagnosztikát egy stádium- és fokozatrendszer bevezetésével, amely lehetővé teszi a klinikusok számára, hogy nagyobb pontossággal értékeljék a betegség súlyosságát, a várható progressziót és a jövőbeli relapsz valószínűségét. Bár ezek a kritériumok hatékonyan azonosítják a kialakult betegséget, elsősorban a múltbeli szövetpusztulást tükrözik és korlátozott betekintést nyújtanak a jelenlegi betegségaktivitásba vagy a jövőbeli progresszióba. Ennek következtében egyre nagyobb érdeklődés mutatkozik érzékenyebb, specifikusabb és nem invazív diagnosztikai megközelítések iránt, amelyek javíthatják a korai felismerést és a prognosztikai pontosságot. Azonban ennek a strukturált megközelítésnek ellenére a klinikusok továbbra is nehézségekkel néznek szembe, mert a parodontitis a gazdaszervezet immunfunkciójának, a mikrobális egyensúlyhiánynak, a genetikai tényezőknek és az életmód vagy környezeti hatásoknak egy nagyon változékony kölcsönhatásán keresztül fejlődik ki. A parodontális kezelés általában nem sebészi és sebészi megközelítésekre oszlik. A nem sebészi terápia (I. fázisú kezelés) elsősorban szupragingivális és szubgingivális debridálási eljárásokat foglal magában, amelyek a fogkő eltávolítására és a gyökérfelület simítására fókuszálnak. Egyes esetekben azonban a betegség progressziója, az anatómiai komplexitások vagy a betegspecifikus gazdatényezők miatt sebészi beavatkozás (II. fázisú kezelés) válhat szükségessé. A sebészi kezelési lehetőségek közé tartozik a lebenyes műtét, a reszekciós eljárások és a regeneratív technikák. Bár olyan klinikai paraméterek, mint a szondázási zsebmélység, a vérzés szondázáskor és a klinikai tapadási szint irányt adhatnak az I. fázisú terápiából a II. fázisú terápiába való átmenet döntéséhez, ez a döntés gyakran egyedi és a klinikus szakértelmén és a betegspecifikus megfontolásokon alapul.

A mesterséges intelligencia a számítástechnika egy olyan területe, amely olyan rendszerek létrehozására összpontosít, amelyek olyan feladatokat képesek végrehajtani, amelyek általában emberi kognitív képességeket igényelnek – gyakran gyorsabban és nagyobb pontossággal. Ezen a területen belül a gépi tanulás (ML) statisztikai algoritmusok fejlesztését foglalja magában, amelyek képesek adatokat vagy képeket elemezni és kategorizálni, valamint kockázatokat és kimeneteleket előrejelezni különféle számítási technikák segítségével. A mesterséges intelligencia (MI) alkalmazásai a parodontológiában kiterjedtek és elsősorban a betegségosztályozás, a diagnosztika és a kezelési tervezés javítására összpontosítanak. A kezelési tervezésben az MI megkönnyíti a parodontális struktúrák szegmentálását, lehetővé téve a klinikusok számára, hogy sebészi eredményeket vizualizáljanak és szimuláljanak egy virtuális környezetben.

Egy MI-alapú modell integrálása maximalizálhatja a sikeres parodontális eredmények elérésének valószínűségét és útmutatást adhat a parodontológusoknak a legmegfelelőbb kezelési terv kiválasztásában. Ennek a potenciálnak fényében a jelen tanulmány célja egy olyan döntéstámogató modell kifejlesztése, amely képes előrejelezni az optimális parodontális kezelési lehetőséget az egyes betegszinten, fejlett gépi tanulási algoritmusok felhasználásával egy többdimenziós adathalmazon, amely klinikai parodontális paramétereket, radiográfiai adatokat, alkalmazott kezelési módokat és demográfiai információkat foglal magában. Ezzel a tanulmány személyre szabott kezelési tervezést kíván támogatni azáltal, hogy azonosítja a leghatékonyabb terápiás megközelítést a parodontális terápián áteső egyének számára.

Tanulmány típusa

Megfigyelő

Beiratkozás (Tényleges)

126

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Gyermek
  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

A vizsgálati populációt azok a parodontitisben szenvedő betegek alkotják, akik 2021 és 2025 között jelentkeztek az Akdeniz Egyetem Fogorvostudományi Karának Parodontológiai Klinikájára. A résztvevőket azok közül választották ki, akik Phase-1 parodontális terápián vagy sebészi parodontális beavatkozásokon (hagyományos vagy regeneratív lebenyműtéten) estek át, és akiknek teljes klinikai és radiográfiai feljegyzéseik voltak a Kórházi Információkezelő Rendszer adatbázisában.

Leírás

Bevonási kritériumok:

  1. Periodontitis igazolt diagnózisa, amelyet teljes klinikai és radiográfiai dokumentáció támaszt alá.
  2. Az első és második szakaszú parodontális terápia teljesítése, beleértve a szájhigiénés oktatást és a fogkőeltávolítást-gyökérsíkoltatást (SRP).
  3. Legalább egy követő látogatás részvételének igazolása a kezdeti és másodlagos parodontális kezelés befejezése után.
  4. Maradó vérzés a szondázáskor (BoP), 5 mm-nél mélyebb zsebmélység (PPD) vagy romló parodontális paraméterek megfelelő szájhigiénia mellett, ami parodontális sebészeti beavatkozás indikációját jelenti.
  5. Részletes dokumentáció rendelkezésre állása minden egyes fogról, beleértve az elvégzett aktív kezelés típusát és a megfelelő utókezelési feljegyzéseket.
  6. Korábbi rákos megbetegedéssel rendelkező betegek is jogosultak voltak, feltéve, hogy a kemoterápia vagy sugárkezelés befejeződött, és orvosi engedélyt kaptak a parodontális kezelésre.

Kizárási kritériumok:

  1. A demográfiai, klinikai vagy radiográfiai adatok hiányosak voltak.
  2. A parodontális kezelést ellenjavalló szisztémás állapotok jelen voltak.
  3. Terhesség vagy szoptatás a parodontális kezelés idején.
  4. Folyamatban lévő kemoterápia vagy sugárkezelés.
  5. Aktuális bisfoszfonát terápia alkalmazása.
  6. Immunhiányos állapot jelenléte.
  7. Akut szisztémás betegség vagy aktív fertőzés az értékelés idején.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
Fázis-1 Parodontális Terápia
A betegek, akik nem műtéti parodontális kezelést kaptak, amely szájhigiéniai utasításokat, fogkőeltávolítást és gyökérfelületi simítást (SRP) foglalt magában.
Nem sebészi parodontális kezelés, amely helyi érzéstelenítés mellett történő fogkőeltávolítást és gyökérsimítást (SRP) foglal magában, valamint szájhigiénés utasításokat
Hagyományos lebenyes műtét
Betegek, akik hagyományos parodontális lebenyműtéten (hozzáférési lebeny) estek át sikertelen nem sebészi terápia után a zsebmélység csökkentése érdekében.
Parodontális hozzáférési lebenyműtét végrehajtása szubgingivális tisztítás és zsebmélység csökkentése érdekében az 1. fázisú terápiára nem reagáló esetekben.
Regeneratív Bőrlebeny Sebészet
Azok a betegek, akik regeneratív anyagokat (csontátültetést, membránokat vagy zománc-mátrix származékokat) magában foglaló parodontális műtéten estek át intrabony defektusok kezelésére.
Sebészeti beavatkozás regeneratív anyagok, például csontátültetés vagy membránbarrierek alkalmazásával a parodontális intrabony defektusok kezelésére.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Tooth-level Clinical Success of Periodontal Treatment
Időkeret: Baseline and final post-treatment follow-up after completion of active periodontal therapy; 12 to 48 months.
Binary tooth-level classification of periodontal treatment outcome as clinical success or clinical failure after completion of active periodontal therapy. The outcome was assessed for each eligible periodontally treated tooth by comparing baseline (T0) and final follow-up (T1) clinical records. Tooth-level clinical treatment success was defined as the simultaneous presence of residual probing pocket depth (PPD) ≤4 mm and absence of bleeding on probing (BOP) at the T1 (final follow-up) examination. As a secondary, machine-learning-oriented outcome, treatment response was categorized using a ≥50% relative reduction in PPD between baseline (T0) and final follow-up (T1), with cases meeting this threshold labeled 'high responders. This primary clinical outcome was analyzed separately from the machine-learning classification outcome based on the ≥50% probing pocket depth reduction threshold.
Baseline and final post-treatment follow-up after completion of active periodontal therapy; 12 to 48 months.

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2025. augusztus 2.

Elsődleges befejezés (Tényleges)

2026. január 31.

A tanulmány befejezése (Tényleges)

2026. január 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. március 17.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. március 17.

Első közzététel (Tényleges)

2026. március 20.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. július 7.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. július 3.

Utolsó ellenőrzés

2026. március 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • TBAEK-608
  • TDH-2025-6980 (Egyéb azonosító: BAP)

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel