歯周病患者における機械学習を用いた歯周治療成功の予測

歯周炎は、歯肉、歯根膜、セメント質、および歯槽骨に影響を及ぼす非常に有病率が高く、複雑で多因子性の慢性炎症性疾患であり、微生物が駆動する宿主媒介性の免疫炎症反応が最終的に歯周付着の喪失と歯槽骨吸収をもたらします。

歯周炎の診断は、歯周組織の徹底的な臨床的および放射線学的評価に依存しています。 疾患の特徴付けには、一般的に、特定の閾値を超えるプロービングポケット深さを示す歯の数と割合（最も頻繁にはプロービング時の出血を伴う>4 mmおよび≥6 mm）、歯周炎による喪失歯数、骨内欠損を示す歯の数、および根分岐部病変を有する歯の数が含まれ、これらはすべて臨床的に意味のある指標として機能します。2017年に発表された分類の更新は、ステージとグレードのシステムを採用することで歯周診断を変革し、臨床医が疾患の重症度、予想される進行、および将来の再発の可能性をより正確に評価できるようにしました。 これらの基準は確立された疾患を効果的に識別しますが、主に過去の組織破壊を反映しており、現在の疾患活動性や将来の進行に関する洞察は限られています。 その結果、早期発見と予後の精度を向上させることができる、より感度が高く、特異的で非侵襲的な診断アプローチへの関心が高まっています。 しかし、この構造化されたアプローチにもかかわらず、歯周炎は宿主免疫機能、微生物叢の不均衡、遺伝的要因、およびライフスタイルまたは環境的影響の非常に多様な相互作用を通じて発症するため、臨床医は依然として困難に直面しています。 歯周治療は、一般的に非外科的アプローチと外科的アプローチに分けられます。 非外科的療法（第I相治療）には、主に歯肉縁上および歯肉縁下のデブリードメント処置が含まれ、歯石の除去と根面の平滑化に焦点を当てています。 しかし、疾患の進行、解剖学的複雑さ、または患者固有の宿主因子により、場合によっては外科的介入（第II相治療）が必要になることがあります。 外科的治療オプションには、フラップ手術、切除処置、および再生技術が含まれます。 プロービングポケット深さ、プロービング時の出血、および臨床的付着レベルなどの臨床パラメータは、第I相治療から第II相治療への移行を決定する際の指針となることがありますが、この決定はしばしば個別化され、臨床医の専門知識と患者固有の考慮事項に基づいています。

人工知能は、人間の認知能力を必要とするタスクを、しばしばより迅速かつ高い精度で実行できるシステムを作成することを目的としたコンピュータサイエンスの一分野を表します。 この分野内で、機械学習（ML）は、データや画像を分析・分類し、さまざまな計算技術を使用してリスクと結果を予測できる統計的アルゴリズムの開発を含みます。歯周病学における人工知能（AI）の応用は広範であり、主に疾患の分類、診断、および治療計画の強化に焦点を当てています。 治療計画において、AIは歯周構造のセグメンテーションを容易にし、臨床医が仮想環境で外科的結果を視覚化およびシミュレートできるようにします。

AIベースのモデルの統合は、成功した歯周治療結果を達成する可能性を最大化し、歯周病専門医が最も適切な治療計画を選択することを導くかもしれません。 この可能性を考慮して、本研究の目的は、臨床歯周パラメータ、放射線学的データ、適用された治療法、および人口統計情報を含む多次元データセットに対して高度な機械学習アルゴリズムを使用することにより、個々の患者レベルで最適な歯周治療オプションを予測できる意思決定支援モデルを開発することです。 そうすることで、本研究は、歯周治療を受けている個人に対して最も効果的な治療アプローチを特定することにより、個別化された治療計画を支援することを目指しています。