Prediksjon av vellykket parodontalbehandling ved bruk av maskinlæring hos pasienter med parodontitt

Periodontitt er en svært utbredt, kompleks og multifaktoriell kronisk inflammatorisk tilstand som påvirker gingiva, periodontal ligament, sement og alveolar beinvev, hvor en mikrobielt drevet, vertsmediert immuninflammatorisk respons til slutt fører til periodontalt festetap og alveolær beinresorpsjon.

Diagnosen av periodontitt er avhengig av en grundig klinisk og radiografisk vurdering av de periodontale vevene. Karakteriseringen av sykdommen inkluderer vanligvis antall og andel tenner med sonderingstaske dybder som overstiger spesifikke terskler (mest ofte >4 mm med blødning ved sondering og ≥6 mm), antall tenner tapt på grunn av periodontitt, antall tenner med intraossale defekter, og antall tenner med furkasjonsinvolvering, som alle fungerer som klinisk meningsfulle indikatorer. Klassifiseringsoppdateringen utgitt i 2017 transformerte periodontal diagnostikk ved å innføre et stadie- og gradssystem, som lar klinikere evaluere sykdommens alvorlighet, forventet progresjon og sannsynligheten for fremtidig tilbakefall med større presisjon. Selv om disse kriteriene effektivt identifiserer etablert sykdom, reflekterer de primært historisk vevsødeleggelse og gir begrenset innsikt i nåværende sykdomsaktivitet eller fremtidig progresjon. Følgelig er det økende interesse for mer følsomme, spesifikke og ikke-invaderende diagnostiske tilnærminger som kan forbedre tidlig oppdagelse og prognostisk nøyaktighet. Imidlertid, til tross for denne strukturerte tilnærmingen, står klinikere fortsatt overfor vanskeligheter fordi periodontitt utvikler seg gjennom et svært variabelt samspill av vertens immunfunksjon, mikrobiel ubalanse, genetiske faktorer og livsstils- eller miljøpåvirkninger. Periodontal behandling er generelt delt inn i ikke-kirurgiske og kirurgiske tilnærminger. Ikke-kirurgisk terapi (Fase I-behandling) inkluderer primært supragingivale og subgingivale debridementprosedyrer, med fokus på fjerning av tannstein og glatting av rotflatene. I noen tilfeller kan imidlertid, på grunn av sykdomsprogresjon, anatomiske kompleksiteter eller pasientspesifikke vertsfaktorer, kirurgisk intervensjon (Fase II-behandling) bli nødvendig. Kirurgiske behandlingsalternativer inkluderer flappekirurgi, resektive prosedyrer og regenerativte teknikker. Selv om kliniske parametere som sonderingstaske dybde, blødning ved sondering og klinisk festenivå kan veilede beslutningen om å gå over fra Fase I til Fase II terapi, er denne beslutningen ofte individualisert og basert på klinikerens ekspertise og pasientspesifikke hensyn.

Kunstig intelligens representerer et felt innen informatikk dedikert til å skape systemer som kan utføre oppgaver som vanligvis krever menneskelige kognitive evner – ofte raskere og med større presisjon. Innen dette feltet innebærer maskinlæring (ML) utvikling av statistiske algoritmer som kan analysere og kategorisere data eller bilder, samt forutsi risikoer og utfall ved bruk av en rekke beregningsmessige teknikker. Kunstig intelligens (AI)-applikasjoner i periodontologi er omfattende og primært fokusert på å forbedre sykdomsklassifisering, diagnose og behandlingsplanlegging. I behandlingsplanlegging letter AI segmentering av periodontale strukturer, noe som lar klinikere visualisere og simulere kirurgiske utfall i et virtuelt miljø.

Integrering av en AI-basert modell kan maksimere sannsynligheten for å oppnå vellykkede periodontale resultater og veilede periodonter i valg av den mest passende behandlingsplanen. I lys av dette potensialet er målet med denne studien å utvikle en beslutningsstøttemodell som er i stand til å forutsi det optimale periodontale behandlingsalternativet på individuelt pasientnivå ved å bruke avanserte maskinlæringsalgoritmer på et flerdimensjonalt datasett som omfatter kliniske periodontale parametere, radiografiske data, anvendte behandlingsmodaliteter og demografisk informasjon. Ved å gjøre dette søker studien å støtte personalisert behandlingsplanlegging ved å identifisere den mest effektive terapeutiske tilnærmingen for enkeltpersoner som gjennomgår periodontal terapi.