Harvard School of Dental Medicine

KI erkennt Risiko von Zahnverlust

Heftarchiv Zahnmedizin
ck
Forscher der Harvard School of Dental Medicine in Boston haben mithilfe von Künstlicher Intelligenz (KI) ein Tool entwickelt, das das Risiko von Zahnverlust ohne eine zahnärztliche Untersuchung vorhersagen kann.

Neue Forschungsergebnisse der Harvard School of Dental Medicine (HSDM) legen nahe, dass KI dabei helfen kann, Personen mit dem größten Risiko für Zahnverlust zu identifizieren – damit sie dann für weitere zahnärztliche Untersuchungen überwiesen werden, um frühzeitige Interventionen sicherzustellen. 

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.

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. 

Die KI soll im Vorfeld die Risikopatienten identifizieren 

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 nachfolgend einer Untersuchung unterziehen, stellten die Forscher klar. 

„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.

Diese Modelle – die sozioökonomische Merkmale einbeziehen – sind besser „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.“ 

Nach dem KI-Screening folgt dann der Zahnarztbesuch

Viele Menschen mit Zahnerkrankungen suchten erst 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

Melden Sie sich hier zum zm-Newsletter des Magazins an

Die aktuellen Nachrichten direkt in Ihren Posteingang

zm Heft-Newsletter


Sie interessieren sich für einen unserer anderen Newsletter?
Hier geht zu den Anmeldungen zm Online-Newsletter und zm starter-Newsletter.