ایجاد یک مدل یادگیری ماشینی برای پیش ‌بینی بیماری‌های قلبی عروقی با استفاده از شاخص‌ های عفونت ‌های دهان

۱۷ مارس ۲۰۲۳- مطالعه ای با هدف توسعه و آزمایش یک مدل یادگیری ماشینی برای پیش بینی بیماری های قلبی عروقی با استفاده از شاخص های عفونت های دهانی در پنجاه و دومین نشست و نمایشگاه سالانه AADOCR که همراه با چهل و هفتمین نشست سالانه CADR برگزار شد، ارائه گردید. نشست و نمایشگاه سالانه AADOCR/CADR در مرکز کنوانسیون اورگان در پورتلند در ۱۵ تا ۱۸ مارس ۲۰۲۳ برگزار شد.

این مطالعه که به رهبری دکتر دیلن جوزف باکستر از دانشگاه پیتزبورگ انجام شد، رابطه بین بیماری قلبی عروقی که توسط خود افراد گزارش شده بود( شامل جراحی قلب، دریچه قلب، سوفل قلب، ضربان قلب نامنظم و بیماری مادرزادی قلب) را با نشانگرهای عفونت های دهان در ۵۱۸۸ نفر از پروژه ثبت دندان و مخزن DNA دانشکده پزشکی دندانپزشکی دانشگاه پیتسبورگ، مورد بررسی قرار داد. داده های غربالگری پریودنتال و داده های ثبت شده (PSR) از ۷۴۰ نفر و دندان ها و سطوح پوسیده، از دست رفته یا پر شده (DMFT  وDMFS) از ۵۰۱۰ نفر در آنالیزها استفاده شد.

نتایج به ارتباط معناداری بین DMFT و DMFS و بیماری های قلبی عروقی که مستقل از جنسیت و مصرف دخانیات هستند، اشاره کرد. نتایج تجزیه و تحلیل کوواریانس بین DMFS و بیماری قلبی عروقی نیز پس از کنترل سن شرکت کنندگان معنی دار باقی ماند(=p-value 0.0027). مدل یادگیری ماشینی بر اساس امتیازDMFS ، توانست با دقت ۸۴٫۳ درصد ابتلای شرکت کنندگان را به بیماری قلبی عروقی پیش بینی کند.

این مطالعه ارتباط بین پوسیدگی دندان و بیماری قلبی عروقی را تایید کرد و پتانسیل روش‌های یادگیری ماشینی را برای بهبود پیش‌بینی بیماری‌های قلبی عروقی با استفاده از شاخص‌های عفونت‌های دهان برجسته کرد. محققان قصد دارند در آینده ارزیابی کنند که آیا روش‌های هوش مصنوعی می توانند به پیش‌بینی بهبود مارکرهای بیماری‌های قلبی عروقی با مدیریت پوسیدگی دندان، کمک کنند.

منبع:

https://medicalxpress.com/news/2023-03-aims-machine-cardiovascular-disease-indicators.html