机器学习算法可能有助于预测牙齿缺失

　　美国波士顿：对与牙齿缺失相关的社会经济因素知之甚少。在一项新的研究中，哈佛牙医学院（HSDM）的研究人员开发了机器学习算法来预测成人的牙齿缺失，除了年龄和牙科护理等明显参数外，还包括患者的社会经济因素。研究结果表明，这些工具可能有助于识别有风险的牙齿，以确保早期干预。

　　一般来说，如果牙病在早期发现并治疗，掉牙可以避免发生。研究发现，定期检查的患者不太可能失去牙齿，这证实了这一点。然而，诸如获得牙科护理的可获得性和高成本等障碍可能会阻碍患者看牙医。在美国，一个决定性的因素可能是成人牙科保险在大多数公共健康保险计划中不是一项基本的健康福利。由于缺乏常规护理，当这些病人去看牙医时，保存牙齿已经太晚了，拔牙成为最可负担的选择。这是筛查工具可以帮助及时识别高风险患者的地方。

　　据研究人员称，机器学习方法已应用于医学，为临床决策提供信息：然而，它们尚未被开发出来来预测口腔健康的结果。因此，研究人员利用不同的参数组合（如医疗条件和社会经济背景）开发和测试了五种算法，以预测成人的牙齿损失，并比较不同工具的性能。为了开发筛查工具，研究小组使用了来自“国家健康和营养检查调查“的近12，000名成年人的数据。

　　社会经济特征的决定性

　　研究人员比较了不同算法的性能，发现那些结合了种族和教育等社会经济特征的模型比那些仅依靠传统牙科临床指标的模型更善于预测牙齿流失。

　　"我们的分析表明，虽然所有机器学习模型都可以是风险的有用预测因素，但那些包含社会经济变量的模型可以特别强大的筛选工具，以识别那些牙齿损失风险较高的人，"主要作者、HSDM口腔健康政策和流行病学助理教授Hawazin Elani博士在一份大学新闻稿中说。

　　"这项工作突出了健康的社会决定因素的重要性。了解患者的教育水平、就业状况和收入与评估其临床牙科状况一样，与预测牙齿损失同样相关，"她补充说。

　　除了患者的社会经济背景外，研究小组还确定先前存在的医疗状况为牙齿流失的预测因素。"我们发现，诸如关节炎、糖尿病、高胆固醇、高血压和心血管疾病等疾病——是牙齿流失的预测因素之一。临床医生可以利用这些信息对牙齿损失高风险的患者进行筛查，并协调他们的转诊和牙科护理，"他们说。

　　开发的工具可被不同的卫生保健提供者使用

　　筛查工具被设计用于世界各地和各种医疗保健环境中，甚至由非牙科专业人员使用，因为它可以在无需牙科检查的情况下评估牙齿丢失的风险。然而，任何被认为有失去牙齿高风险的患者仍必须接受实际检查。

　　这项研究于2021年6月18日发表在PLOS ONE 网络版上，题为"牙齿流失的预测：机器学习方法"。

　　部分文章来源于网络，如有侵权，请联系删除