AI有助于预测患有患病牙科植入物的治疗结果

Peri-Implantitis，一种牙科植入物周围的组织和骨骼的病症感染，大约四分之一的牙科植入物患者，目前没有可靠的方法来评估患者如何应对这种情况的治疗方法。

为此，由密歇根大学牙科学院领导的团队开发了一个机器学习算法，一种人工智能形式，评估个体患者在腹膜炎外科治疗后再生结果的风险。

该算法称为FARDEEP，它代表表达型材的快速和鲁棒折应。在该研究中，研究人员使用了FARDEEP进行分析组织样本来自一群患者接受重建治疗的Peri-Implantitis。它们量化了丰富的有害细菌和某些感染战斗免疫细胞在每个样品中。

低风险的患者牙周疾病表现出更多的免疫细胞对牙科的高级作者和助理教授俞利奥·雷说，这是控制细菌感染的娴熟。

该团队感到惊讶的是，与更好的结果相关的细胞类型注入患者挑战常规思维，林雷说，他还在罗格尔癌中心预约。

他说：“非常重点是令人挑剔的免疫细胞类型，这些细胞类型更加擅长伤口愈合和组织修复。”“然而，在这里，我们表明，微生物控制中的免疫细胞类型与卓越的临床结果密切相关。

“手术管理可以减少所有患者的细菌负担，然而，只有更多的免疫细胞亚型的细菌对照患者可以抑制致病细菌的重新调整，并显示出更好的再生结果。”

牙科植入物支持的冠提供审美，功能性和自然感觉牙齿更换，估计市场将达到2024年的680亿美元。牙科植入物转化了重建选择，但静血炎的新兴流行严重影响了长期损害研究人员说植入物牙科的成功。

Peri-Implantitis可以导致进步性骨质损失，出血，脓液和最终丧失牙科植入物以及他们支持的相关冠或假牙。由于骨质质量差和延迟愈合，更换在先前受损的网站上的新牙科植入物通常是挑战性的。预防植入物维持和长期管理的腹侧植入炎成为植入物重建后常规实践的一部分。

“针对Peri-Implantitis的再生治疗是昂贵的，治疗结果是不可预测的，”U-M临床助理教授和临床诊断临床试验再生治疗的主要调查员首次作者Jeff Wang。“如果我们能够使用这些信息来确定最佳治疗过程，或者我们可以决定更明智的选择是用新的植入物替代新的植入物，尽管重建骨骼的挑战。“

他说，在未来，可能有可能预测牙科植入物在放置牙科植入物之前的风险。在临床准备被临床医生广泛使用之前，需要更多人类临床试验。

“然而，这种概念证明研究提供了个性化的方法来识别更好地应对再生疗法的患者类型，”威廉·佩尼诺（Harvard）教授和哈佛大学的院长牙科医学院。此前，Giannobile是在U-M学校的牙科学院。

---

---