Потеря зубов часто воспринимается как естественная часть старения, но что, если бы существовал способ лучше идентифицировать наиболее уязвимых людей без стоматологического осмотра?
Новое исследование, проведенное исследователями из Гарвардской школы стоматологической медицины, предполагает, что инструменты машинного обучения могут помочь выявить тех, кто подвержен наибольшему риску потери зубов, и направить их для дальнейшего стоматологического осмотра, чтобы обеспечить своевременное вмешательство для предотвращения или отсрочки заболевания.
В исследовании, опубликованном 18 июня в PLOS ONE, сравнивались пять алгоритмов, использующих различную комбинацию переменных для проверки риска. Результаты показали, что алгоритмы, учитывающие медицинские характеристики и социально-экономические переменные, такие как раса, образование, артрит и диабет, превзошли алгоритмы, основанные только на стоматологических клинических показателях.
«Наш анализ показал, что, хотя все модели машинного обучения могут быть полезными предикторами риска, те, которые включают социально-экономические переменные, могут быть особенно мощными инструментами скрининга для выявления лиц с повышенным риском потери зубов», — сказал ведущий исследователь исследования Хавазин Элани, доцент кафедры политика и эпидемиология гигиены полости рта в HSDM.
Она добавила, что этот подход может использоваться для проверки людей во всем мире и в различных медицинских учреждениях даже профессионалами, не являющимися стоматологами.
Потеря зуба может быть физически и психологически изнурительной. Это может повлиять на качество жизни, благополучие, питание и социальное взаимодействие. Этот процесс можно отсрочить или даже предотвратить, если будут выявлены самые ранние признаки стоматологического заболевания и своевременно вылечить заболевание. Тем не менее, многие люди с стоматологическим заболеванием могут не посещать стоматолога до тех пор, пока процесс не продвинется далеко за пределы спасения зуба. По словам команды, именно здесь инструменты скрининга могут помочь выявить тех, кто подвергается наибольшему риску, и направить их для дальнейшей оценки.
В исследовании исследователи использовали данные о почти 12000 взрослых из Национального исследования здоровья и питания, чтобы разработать и протестировать пять алгоритмов машинного обучения и оценить, насколько хорошо они прогнозируют как полную, так и постепенную потерю зубов у взрослых на основе социально-экономических, медицинских и других факторов медицинские характеристики.
Примечательно, что алгоритмы были разработаны для оценки риска без стоматологического осмотра. Однако исследователи добавили, что любому, кто считается подверженным высокому риску потери зубов, все равно придется пройти реальное обследование.
Результаты анализа указывают на важность социально-экономических факторов, определяющих риск, помимо традиционных клинических показателей.
«Наши результаты показывают, что модели алгоритмов машинного обучения, учитывающие социально-экономические характеристики, лучше предсказывали потерю зубов, чем модели, основанные только на стандартных клинических стоматологических показателях», — сказал Элани. «Эта работа подчеркивает важность социальных детерминант здоровья. Знание уровня образования пациента, статуса занятости и дохода так же важно для прогнозирования потери зубов, как и для оценки их клинического стоматологического статуса».
Действительно, давно известно, что малообеспеченные и маргинализованные группы населения несут непропорционально большую долю бремени потери зубов, вероятно, из-за отсутствия регулярного доступа к стоматологической помощи, среди других причин, сообщила команда.
«Как стоматологи, мы знаем, насколько важны раннее выявление и своевременная помощь для предотвращения потери зубов, и эти новые результаты указывают на важный новый инструмент в достижении этого», — сказала Джейн Барроу, заместитель декана по вопросам глобального и общественного здравоохранения и исполнительный директор Инициативы по интеграции здоровья полости рта и медицины в HSDM. «Доктор Элани и ее исследовательская группа пролили новый свет на то, как мы можем наиболее эффективно направить наши усилия по профилактике и улучшить качество жизни наших пациентов».