ZAHNMEDIZIN | 41 verschiedene parodontale Diagnosen vorherzusagen, und die Genauigkeitsmaße wurden bewertet. Ergebnisse Die 408 Probanden in dieser Studie umfassten solche mit parodontaler Gesundheit (16,2 Prozent), mit Gingivitis (15,2 Prozent) und mit Parodontitis im Stadium I (15,9 Prozent), Stadium II (15,9 Prozent), Stadium III (29,7 Prozent) und Stadium IV (7,1 Prozent). Neun Prädiktoren, nämlich die vom Patienten selbst angegebene „Zahnfleischerkrankung“ (Q1), „Bewertung der Zahnfleisch-/Zahngesundheit“ (Q2), „Zahnreinigung“ (Q3a), „lockere Zähne“ (Q4), „Verwendung von Zahnseide“ (Q7), sowie aMMP-8 POCT, GBoB, Hämoglobin und Alter führten zu einer hohen Genauigkeit des RFKlassifikators. Eine hohe Genauigkeit (Fläche unter der ROC-Kurve > 0,94) wurde für die Unterscheidung von drei (Gesundheit, Gingivitis und Parodontitis) und sechs Klassen (Gesundheit, Gingivitis, Parodontitis der Stadien I, II, III und IV) beobachtet. Konfusionsmatrizes zeigten, dass die Fehlklassifizierung eines Parodontitis-Falls als Gesundheit oder Gingivitis weniger als zwei Prozent betrug. Die Autoren folgerten, dass auf maschinellem Lernen basierende Klassifikatoren wie RF-Analysen vielversprechende Werkzeuge für die Multiklassen-Bewertung von parodontaler Gesundheit und Erkrankung in einem nicht-klinischen Setting seien. Die Ergebnisse müssen nun extern in entsprechend dimensionierten, unabhängigen Stichproben/ Populationen validiert werden. Bedeutung für die Praxis Die Ergebnisse dieser Studie haben zunächst keine unmittelbare Relevanz für die Praxis. Im Ausblick zeigen sie aber bereits heute die Möglichkeiten für die Anwendung von KI in der Parodontologie. Das entwickelte maschinelle Lernmodell, das auf dem Alter, Angaben des Patienten, Zahnfleischblutungen beim Zähneputzen und Biomarkern im Speichel basiert, ergab eine zufriedenstellende Genauigkeit bei der Unterscheidung von Parodontalgesundheit, Gingivitis und verschiedenen Stadien der Parodontitis und kann sich in der Zukunft – sobald es in mehreren unabhängigen Populationen validiert worden ist – als ein wertvolles Instrument für das Parodontitis-Screening auf Populationsebene erweisen, ohne dass eine aufwendige klinische Untersuchung erforderlich ist. n Die Studie: Deng, K., Zonta, F., Yang, H., Pelekos, G., & Tonetti, M. S. (2023). Development of a machine learning multiclass screening tool for periodontal health status based on non-clinical parameters and salivary biomarkers. Journal of Clinical Periodontology, 1–14. https://doi.org/10. 1111/jcpe.13856. zm114 Nr. 06, 16.03.2024, (439) AUS DER WISSENSCHAFT In dieser Rubrik berichten die Mitglieder des wissenschaftlichen Beirats der zm regelmäßig über interessante wissenschaftliche Studien und aktuelle Fragestellungen aus der nationalen und internationalen Forschung. Die wissenschaftliche Beirat der zm besteht aus folgenden Mitgliedern: Univ.-Prof. (a.D.) Dr. Elmar Hellwig, Albert-Ludwigs-Universität Freiburg (bis 31.12.2023) Univ.-Prof. Dr. Dr. Søren Jepsen, Universität Bonn Univ.-Prof. Dr. Florian Beuer, Charité – Universitätsmedizin Berlin Univ.-Prof. Dr. Dr. Peer W. Kämmerer, Universitätsmedizin Mainz Univ.-Prof. Dr. med. dent. Dr. med. Søren Jepsen, MS Direktor der Poliklinik für Parodontologie, Zahnerhaltung und Präventive Zahnheilkunde, Zentrum für Zahn-, Mund- und Kieferheilkunde, Universitätsklinikum Bonn Welschnonnenstr. 17, 53111 Bonn Foto: privat Entdecken Sie die weite Welt vollkeramischer Restaurationen. Erfüllen Sie höchste Ansprüche – jetzt zum unschlagbaren Preis. © 04/2023 · 420235V0 kometdental.de * Nettofestpreis zzgl. ges. MwSt. Die Aktion ist bis zum 31.03.2024 gültig und nicht mit anderen Rabatten oder Aktionen kombinierbar. Die Aktion beschränkt sich auf die Sets 4686ST, 4665ST, 4573ST, 4562ST sowie dessen Bestandteile. % Keramik-Sets zum vergünstigten Preis von nur 65,–€*
RkJQdWJsaXNoZXIy MjMxMzg=