AIモデルが社会経済・人口統計・行動データから未治療う蝕を予測する可能性
公衆衛生サービスが未治療う蝕を持つ人々を歯科受診前に特定することは、検査の優先順位付けと最も必要とする人々への支援に役立つ可能性があります。最近の研究では、人工知能(AI)モデルが社会経済的、人口統計学的、行動データのみを用いて未治療う蝕と累積う蝕経験を予測できるかどうかが調査されました。その結果は、このアプローチが確立された社会的健康決定要因に基づいた、より的を絞った予防歯科ケアを支援するための公衆衛生スクリーニングに役立つ可能性を示唆しています。
研究方法とデータ分析
本研究の主著者であるニューヨーク大学歯学部のフェルナンド・ネベス・フーゴ博士は、「これらは、資源を特定のグループに的を絞り、最大の利益をもたらす予防ケアを提供するのに役立つ強力なツールです」と述べています。研究者らは、ブラジル保健省が調整した全国横断疫学調査「SB Brasil 2023」の23,726人の参加者データを分析しました。分析対象は、12歳児、15~19歳青少年、35~44歳成人という3つの年齢コホートでした。この調査では、以下のデータが収集されました。
- 人口統計データ
- 社会経済データ: 世帯資産、世帯密度、民間歯科保険の加入状況、水道へのアクセス
- 行動データ: 最終歯科受診からの期間、自己評価による口腔健康
- 臨床検査データ: 未治療う蝕の有無、DMFTスコア(う蝕歯・欠損歯・充填歯の合計)
モデルの性能と結果
研究者らはこのデータを用いて複数の統計モデルおよび機械学習モデルを開発・評価しました。
- 未治療う蝕の予測:
- モデルは、社会経済的、人口統計学的、行動データのみを用いて未治療う蝕を持つ個人を特定する可能性を示しました。
- 予測性能はコホートの年齢とともに向上し、成人コホートでは中程度の予測性能に達しました。
- 公衆衛生スクリーニングでの潜在的な使用に関する統計的評価では、これらのモデルを用いて検査を優先することが、全員または誰も検査しないという仮説上の代替案よりも優位性を提供しうることが示唆されました。
- 累積う蝕経験の予測:
- DMFTスコアで測定される累積う蝕経験の予測においては、モデルの性能は劣りました。
- この結果に関しては、より単純な統計モデルが、より複雑な機械学習アルゴリズムと同等かそれ以上の性能を示しており、モデルの複雑性が必ずしも予測精度を向上させるとは限らないことが示唆されました。
- 臨床予測因子も含む別途の分析では、世帯資産と世帯密度がう蝕経験の予測に重要な貢献をすることが明らかになりました。
公衆衛生への応用と今後の展望
研究者らは、これらのモデルを、社会的健康決定要因を活用して公衆衛生スクリーニングと計画を導くためのより広範なアプローチの一部として想定しています。フーゴ博士は「機械学習をこの枠組みに統合することは、単にう蝕リスクを予測するだけでなく、従来の測定では見過ごされがちな社会的決定要因間の複雑で多次元的な相互作用に対処します」と説明しました。
この研究結果は、他の中所得国にも関連性がある可能性があると研究者らは指摘しており、歯科医療へのアクセスや保険適用範囲における地域差が個々の予測因子の重要性に影響を与える可能性があります。国ごとの予防戦略を開発する可能性を探るため、研究者らは現在、米国のデータ(National Health and Nutrition Examination Survey)を用いた同様の分析を実施する準備を進めています。
この研究「Machine learning for predicting dental caries presence and severity: An age-cohort perspective from a nationally representative survey in Brazil」は、2026年10月10日にCaries Research誌にオンライン先行公開されました。
元記事:Researchers test AI for identifying those at high risk of caries