외과의사의 치과 수술 합병증 예측 및 환자 특성의 영향: AI 모델 개발

목표 임상적 의사결정은 직관과 경험, 환자 가치, 그리고 문헌에 의해 뒷받침되는 생물학적 타당성을 기반으로 합니다. 구강 수술 전에 외과의는 환자 관련, 수술 관련, 치아 관련 요소들을 고려해야 합니다. 이는 인간의 능력에 의해 제한될 수 있으며, 이것이 임상적 의사결정을 개선하기 위해 인공지능이 제안되는 이유입니다. 합병증을 예측하는 평가 도구는 아직 확립되지 않았습니다.

목적 이 연구는 수술 중 및 수술 후 합병증의 발생률과 예측인자를 평가하고, 외과의가 이러한 사건들을 예측하는 능력을 평가하는 것을 목표로 합니다. 이 연구는 예측 가능한 변수들을 체계화하여 구강 외과의사의 임상적 의사결정을 돕기 위한 인공지능 예측 모델을 만들고자 합니다. 현재 연구는 민간 의뢰 진료소인 Specialtandlægerne Sjælland (SPSJ)에서의 합병증 빈도를 기술하고, 예측 변수로서 외과의사와 환자의 영향을 명확히 할 것입니다. 이 연구는 환자들의 임상 결과를 개선하고, 수술 중 및 수술 후 합병증 발생을 줄이며, 외과의사의 업무 부담을 완화하는 것을 목표로 인공지능 사용을 진전시키는 데 기여합니다. 이 연구는 구강 수술의 치료 최적화, 예후, 생존 및 성공에 관한 정보를 잠재적으로 제공할 수 있습니다. 또한, 이 연구는 외과의사의 예측 능력, 그리고 환자의 불안 수준과 개인적 특성이 성공적인 치료 결과에 미치는 영향에 대한 귀중한 정보를 제공할 것입니다.

배경 현재 연구는 의뢰 치과 진료소에서 가장 빈번한 수술적 개입인 사랑니 발치, 치근단 수술 및 치과 임플란트 식립을 탐구할 것입니다. 합병증은 수술 중 및 수술 후에 발생할 수 있으며, 치명적인 경우는 드물지만 단기 또는 장기적으로 장애를 유발하는 경우가 많습니다. 예상되는 예측 변수들이 보고될 것입니다. 사회인구학적 요인, 환자 관련 요인 및 외과의사 관련 요인은 수술 절차와 무관하게 동일한 방식으로 보고될 것입니다. 또한, 해부학적 요인, 병리학적 요인 및 수술 절차 관련 요인이 합병증 위험에 영향을 미칠 수 있습니다.

외과의사의 경험을 측정하고 이를 예측 요인으로서의 임상적 영향에 대한 증거가 부족합니다. 연구들은 경험이 적은 외과의사가 수술한 환자들에게서 합병증 발생률이 더 높다고 보고하며, 이 중 치조 신경 손상 및 수술 후 통증 위험 증가가 있습니다. 반대로, 선임 여부는 선행 연구에 따르면 수술 시간에 영향을 미치지 않았습니다. 치근단 수술은 특별한 지식과 기술을 요구합니다. 한 연구는 치근 치료 전문의와 구강악안면 외과의사 간의 총괄 성공률을 비교했으며, 치근 치료 전문의가 약간 더 높은 성공률을 보였지만, 외과의사 그룹에서는 더 큰 신뢰 구간을 보였습니다. 국제 임플란트학회(ITI) 2019년 합의 보고서는 임상의가 중요한 위험 요인을 구성한다고 명시하고 있지만, 측정의 정확성 부족으로 인해 Simple-Advanced-Complex 분류 가이드라인에는 포함되지 않았습니다. 연구자들은 외과의사의 합병증 위험 평가와 수술 후 자기 평가를 포함할 것입니다.

치과 불안 수준은 수술 후 회복에 영향을 미칠 수 있으며, 임상 상황에서 심각한 영향을 미치고, 수술 중 난이도에 영향을 미치는 것으로 보고됩니다. 불안은 다양한 표현을 가질 수 있지만, 불안의 객관적 측정 도구는 Spielberger State-Trait Anxiety Inventory (STAI)입니다. 수술 전 상태 불안을 측정하는 것은 치과 의뢰 진료소에서 아직 검토되지 않았습니다. 이 연구는 환자들에게 수술 전 상태 불안을 측정하기 위해 STAI-6를 작성하도록 요청할 것입니다. 부정적 정서성(NA)과 구강 건강 관련 삶의 질 감소 사이의 연관성이 발견되었습니다. NA는 인간 경험에 영향을 미치는 것으로 제안되며, 두려움, 불안, 스트레스 수준, 분노, 죄책감, 적대감, 짜증, 수치심 및 초조함을 포함합니다. 또한, 순응도 부족은 결과에 대한 간접적 영향으로 인해 임플란트 치료를 지연시킬 수 있습니다. 이 연구는 NA, 상태 불안 및 구강 수술 사이의 연결을 밝힐 것입니다.

사랑니 발치 특히 사랑니 발치의 경우, 몇 가지 합병증만 보고되었지만 합병증 빈도에는 큰 차이가 보고됩니다. 언급할 가치가 있는 것은 치조골염, 농양 형성, 지속적 출혈 및 장기간의 통증과 악관절 강직입니다. 또한, 감각 장애가 등록되었습니다. 사랑니가 신경에 인접해 있으면 압박이 일시적인 감각 장애를 일으킬 수 있습니다. 이것은 등록될 것이지만, 이 연구에서 신경 손상의 정의는 영구적인 감각 장애, 6개월 이상 지속되며 신경감각 평가 방법으로 확인된 경우입니다. 수술 시간은 수술 후 통증, 부종 및 하순의 감각 장애와 유의미하게 연관되었으며 염증성 합병증의 소인을 만들 수 있습니다. Pell and Gregory 분류는 사랑니의 매복 해부학적 수준을 설명하며, ABC는 매복 깊이, I, II 또는 III는 하악지로부터의 골 피복을 나타냅니다. 한 연구는 C급 매복이 감각 장애, 더 나쁜 수술 후 불편감 및 장기간의 악관절 강직과 연관되었다고 결론지었습니다. 다른 연구는 매복 수준, 기존 감염 또는 병리와 수술 후 합병증(SSI 또는 AO) 사이의 유의미한 연관성을 보고합니다. 병리학적 변수에는 우식, 치주 질환, 감염: 봉와직염 또는 농양, 인접 치아의 흡수 또는 내부 흡수, 치아 파절, 골수염, 여포의 병리(낭종 또는 종양)가 포함됩니다. 수술 절차 측면에서, 부적절한 판막 견인은 인접 치아의 치주 결손 위험을 증가시킬 수 있습니다. 설측 견인을 할지 여부는 많은 논쟁이 있습니다. 이는 수술 시간 증가, 더 나쁜 수술 후 통증, OR과 함께 AO 위험 증가와 유의미하게 연관되었습니다. 반대로, 접근성 개선, 절차 단순화, 일시적 신경 손상 발생률 증가로 이어지지만 영구적 신경 손상의 완전한 감소로 이어질 수 있다고 제안되었습니다.

치근단 수술 한 연구는 수술적 치근 절제술이 합병증이 거의 없는 최소 침습적 절차라고 주장합니다. 성공률은 높으며, 수술 후 6-12개월에 88%로 보고되거나 합의 보고서는 >90%라고 명시합니다. 한 연구는 수술 전 더 높은 정도의 감염과 염증이 결과에 부정적으로 영향을 미칠 수 있다고 결론지었습니다. 해부학적 조건이 결과에 영향을 미칠 수 있습니다. 소구치는 전치나 구치에 비해 유의미하게 더 나은 결과를 보였으며, 주로 협측 골판 손실 및 하나 이상의 치근을 가진 치아에서의 치근단 절골술 난이도 때문입니다. 전치가 후치에 비해, 상악 치아가 하악 치아에 비해 더 높은 성공률을 보였습니다. 측절치의 경우 구개 측면 골판 천공으로 인해 예외입니다. 성공적인 결과는 병변 크기, 타진 통증 또는 누공 존재에 유의미하게 의존했습니다. 협측 골 손실은 수술 실패의 예측 변수로 보고되었습니다. 더욱이, 높은 부비동 천공 위험은 치근단에서 상악동까지의 거리 <1mm와 유의미하게 연관되었습니다. 그러나, 부비동 천공은 수술 후 1-2주 내에 구강-상악동 누공 발생을 유발하지 않는 한 이 연구에서 합병증으로 간주되지 않습니다. 한 연구는 버-절단 및 1급 와동 치근 충전에 비해, 사면 절제 및 초음파 준비로 3mm 치관측 치근관 내에서 더 나은 치근단 치유율이 발생한다고 결론지었습니다.

임플란트학 우리가 아는 한, ITI가 잘 확립된 평가 도구를 가지고 있음에도 불구하고, 치과 임플란트 식립 후 합병증을 예측할 수 있는 AI 기반 모델은 없습니다. 성공적인 임플란트 식립은 골유합, 생존률, 보철물 안정성, 골 손실, 감염 부재 및 무증상 상태를 기반으로 합니다. 더욱이, 연조직은 임플란트 주위 건강, 심미성, 양호한 보철 조건 및 환자 만족도를 보장하기 위해 요구됩니다. 치과 임플란트는 수술 전 또는 수술 중에 경조직 및/또는 연조직 증대를 종종 필요로 하며, 이는 임플란트 주위 수술 후 건강에 중요하다고 제안됩니다.

가설 연구자들은 외과의사들이 어떤 환자들이 수술 후 합병증을 겪을지 예측하는 데 능숙할 것이라고 가정합니다. 또한, 연구자들은 과거 데이터로 훈련된 인공지능 네트워크가 이러한 예측의 정확성을 높일 수 있을 것이라고 가정합니다.

재료 및 방법론 이 전향적 임상 관찰 연구는 구강악안면 외과에 특화된 민간 의뢰 치과 진료소인 SPSJ에서 수행됩니다. 연구 설계는 일상적 임상 관행에 따른 수술 중 또는 수술 후 합병증의 자연적 진행을 포착합니다. 이 연구는 코펜하겐 대학교 치의학과와의 협력입니다. 연구에 포함된 수술 절차는 사랑니 발치, 치근단 절제술 및 치과 임플란트 식립입니다. 진료소는 치과의사로부터 의뢰를 받으며, 환자들은 연구 참여 초대를 받게 됩니다. 약 3000명의 환자로 구성된 연구 집단이 예상됩니다. 의뢰 진료소는 방사선 영상, 수술 기구 및 임상 직원 측면에서 장비를 제공할 것입니다. 치과 임플란트학과 관련하여 다양한 생체재료(Geistlich Pharma International: BioOss 과립, 콜라겐 또는 멤브레인)와 임플란트(Dentsply Sirona 또는 Straumann)가 사용될 것입니다. 이 연구 참여는 경제적 비용을 수반하지만, 환자들에게는 추가적인 무료 검진 방문이 제공될 것입니다.

서면 동의가 얻어질 것입니다. 데이터는 치과 기록을 통해 수집될 것입니다. 또한, 수술 전 환자용 설문지(STAI-6 및 PANAS-SF)가 수집될 것입니다. 수술 중 및 수술 후, 외과의사용 설문지가 작성될 것입니다. 모든 데이터는 덴마크 데이터 보호 기관 법률을 존중하여 기밀 처리될 것입니다.

예측 변수 사회인구학적 요인: 나이, 성별, 의료 상태, 알코올 및 담배 사용, 그리고 미국 마취학회 신체 상태(ASA 분류)에 따른 세분화. 병력 정보 측면에서, 통증 이력 및 수술 전 중재가 기록될 것입니다. 해부학적 요인, 병리학적 요인 및 수술 절차 관련 요인이 보고될 것입니다. 첫 절개부터 마지막 봉합까지의 시간이 기록될 것입니다. 수술 절차 측면에서 국소 마취제 사용(용량, 유형 및 농도), 절개 선택, 판막 설계 및 수술 절차에 특정한 요인들이 보고될 것입니다. 처방전은 연구에 포함될 것이며, 수술 전 또는 수술 후 경과에서의 진통제 및 항생제가 포함됩니다. 항생제 사용은 2019년 덴마크 국가 보건 위원회의 지침과 환자의 위험 프로필에 기반한 개별 평가에 기초할 것입니다. 연구에서 사용되는 항생제는 페니실린 V, 또는 메트로니다졸과의 병용입니다. 페니실린 알레르기가 있는 환자의 경우 클린다마이신, 그리고 감염이 지속되는 경우 클라불란산과 함께 광범위 스펙트럼 아목시실린 처방. 의뢰 전에 항생제 처방이 지시되었는지, 또는 항생제 감수성 검사가 적응증인지 기록될 것입니다. 일부 경우에는 환각 유발 약물(0.125/0.250 mg Halcion) 또는 전신 마취(프로포폴/레미펜타닐)가 적응증입니다.

치근단 수술 치료 관리에는 판막 거상, 절골술, 감염된 치근관 확인, 육아 조직 소파술, 치근단 제거, 생체재료로 효과적인 밀폐 및 이후 봉합 폐쇄가 포함될 것입니다.

현재 연구는 임플란트 사례를 여러 가능성을 체계화하기 위해 다른 주요 범주로 나눌 것입니다. 발치 후 임플란트 식립 시기는 유형 1: 발치 직후, 유형 2: 연조직 피복 후(4-8주), 유형 3: 임상적 및 방사선학적으로 충분한 골에서(12-16주) 또는 유형 4: 치유된 치조와에서일 수 있습니다. 로딩 프로토콜도 보고될 것이며, 이는 임플란트 식립 후 >2개월, 즉 전통적 로딩일 수 있습니다. 임플란트 식립 후 1-2개월인 경우 조기 로딩, 또는 임플란트 식립 후 <1주인 경우 즉시 로딩. 임플란트 식립 및 로딩 범주는 12개 범주로 세분화될 것입니다. 또한, 수술들은 단순 임플란트 식립, 동시 골 증대를 동반한 임플란트 식립 또는 추가로 개방성 상악동 거상과 함께 분류될 것입니다. 다른 범주는 하악에서 채취한 자가 골 이식만 사용하거나, 티타늄 강화 멤브레인으로 지지되는 자가 골 이식을 사용한 고립된 골 증대 절차일 것입니다. 연조직 재건은 자가 유리 치은판, 결합 조직 이식, 무세포 진피 이식 또는 이종 이식으로 이루어질 수 있습니다. 임플란트 제조업체가 제공하는 임플란트 수술 절차 가이드가 준수될 것이며, 임플란트가 브레인 가이드, 부분 가이드 또는 완전 가이드로 식립되었는지와 이가 합병증률에 어떻게 영향을 미치는지 보고될 것입니다.

통계 분석 기술 통계는 연구 집단과 합병증 빈도, 그리고 STAI-6 및 NA 수준을 특성화하는 데 사용될 것입니다. 예측 변수와 합병증 사이의 연관성은 다변량 로지스틱 회귀 분석을 사용하여 검토될 것입니다. 외과의사가 합병증을 나타내는 환자를 예측하는 능력이 평가될 것입니다. 또한, 데이터는 인공지능 모델인 Random Forest 알고리즘을 훈련시켜 분석되어, 수술 전, 중, 후 데이터를 기반으로 합병증 예측의 타당성을 탐구할 것입니다.