KI erkennt Risiko von Zahnverlust
Neue Forschungsergebnisse der Harvard School of Dental Medicine (HSDM) legen nahe, dass KI dabei helfen kann, die Personen mit dem größten Risiko für Zahnverlust zu identifizieren - und sie dann für weitere zahnärztliche Untersuchungen zu überweisen, um frühzeitige Interventionen sicherzustellen.
KI mit sozioökonomischen Variablen schnitt besser ab
In der Studie wurden fünf Algorithmen verglichen, die eine unterschiedliche Kombination von Variablen zur Risikoerkennung verwendeten. Die Ergebnisse zeigen, dass die Algorithmen, die medizinische Merkmale zusammen mit sozioökonomischen Variablen wie Rasse, Bildung, Arthritis und Diabetes kombinierten, besser abschnitten als diejenigen, die sich nur auf klinische Zahnindikatoren stützten.
Vorhergesagt wurde vollständiger und zunehmender Zahnverlust
Die Forscher verwendeten Daten von fast 12.000 Erwachsenen aus dem National Health and Nutrition Examination Survey, um die fünf KI-Algorithmen zu entwickeln und daraufhin zu testen, wie gut sie sowohl den vollständigen als auch den zunehmenden Zahnverlust bei Erwachsenen auf der Basis sozioökonomischer, gesundheitlicher und medizinischer Merkmale vorhersagten.
Dabei wurden die Algorithmen so entwickelt, dass sie das Risiko ohne eine zahnärztliche Untersuchung einschätzen können. Jeder, der ein hohes Risiko für Zahnverlust hat, müsse sich aber nachfolgend einer Untersuchung unterziehen, stellten die Forscher klar.
Tools können auch von Nicht-Zahnärzten bedient werden
"Unsere Analyse hat gezeigt, dass zwar alle KI-Modelle nützliche Prädiktoren für das Risiko sein können, dass aber diejenigen, die sozioökonomische Variablen einbeziehen, besonders leistungsfähige Screening-Tools sein können, um Personen mit erhöhtem Risiko für Zahnverlust zu identifizieren", sagte Studienleiterin Hawazin Elani, Assistenzprofessorin für Mundgesundheit und Epidemiologie an der HSDM.
Der Ansatz könnte zur Untersuchung von Menschen auf der ganzen Welt und in einer Vielzahl von Gesundheitseinrichtungen verwendet werden, auch von Nicht-Zahnärzten, fügte sie hinzu.
Der klinische Zahnstatus reicht nicht zur Beurteilung
"Unsere Ergebnisse deuten darauf hin, dass die Modelle der KI-Algorithmen, die sozioökonomische Merkmale einbeziehen, Zahnverlust besser vorhersagen als diejenigen, die sich allein auf klinische Routine-Zahnindikatoren verlassen", berichtete Elani. "Diese Arbeit unterstreicht die Bedeutung der sozialen Determinanten der Gesundheit. Die Kenntnis des Bildungsniveaus, des Beschäftigungsstatus und des Einkommens des Patienten ist für die Vorhersage von Zahnverlust genauso relevant wie die Beurteilung des klinischen Zahnstatus."
Risko-Patienten gehen oft zu spät zum Zahnarzt
Viele Menschen mit Zahnerkrankungen suchten erst dann einen Zahnarzt auf, wenn der Prozess weit über den Punkt hinaus fortgeschritten sei, an dem ein Zahn zu retten ist. Genau hier könnten Screening-Instrumente helfen, die Patienten mit dem höchsten Risiko zu identifizieren und sie zur weiteren Untersuchung zu überweisen.
Elani HW, Batista AFM, Thomson WM, Kawachi I, Chiavegatto Filho ADP (2021) Predictors of tooth loss: A machine learning approach. PLoS ONE 16(6): e0252873. doi.org/10.1371/journal.pone.0252873
