Определение относительного риска прогрессирования пародонтита с помощью нейросетевого моделирования: когортное ретроспективное исследование

Введение. Общепринятыми оценками риска прогрессирования пародонтита в настоящее время являются детерминанты косвенной стабильности: пародонтальные карманы, персистирующая кровоточивость десен, подвижность зубов, локальные факторы риска. В эпоху персонализированной медицины актуальным решением было бы основывать выбор пародонтальной терапии не на широких клинических рекомендациях, а на единовременном рассмотрении максимально доступного спектра индивидуальных показателей с учетом факторов риска.

Цель исследования — определить относительный риск прогрессирования пародонтита после активной базовой терапии у пациентов с помощью нейросетевого моделирования.

Методы. Когортное ретроспективное исследование проведено по данным медицинских карт 109 пациентов обоего пола, в возрасте от 30 до 70 лет, после базового пародонтального лечения хронического пародонтита (легкой, средней и тяжелой степени) в период с 1999 по 2016 год и находившихся на поддерживающей пародонтальной терапии (ППТ) от 5 до 20 лет. В работе учитывались данные объективного обследования опорного аппарата зубов и категориальные показатели (всего 24), оцененные до лечения, через 4–6 месяцев после базового (активного) лечения и в сроки 5 лет ≤ ППТ ≤ 20 лет. По итогам анализа описательных статистик определены целевые количественные показатели для прогностического моделирования исходов лечения пациентов пародонтитом и определения остаточного риска прогрессирования болезни. Статистическая обработка полученных данных проведена посредством пакета Statistica 13.3 (Tibco, USA). Сравнение средних значений показателей в различные сроки проводили с помощью критериев знаков и Вилкоксона; для оценки связей между предикторами и целевыми показателями использовали коэффициент ранговой корреляции Спирмена. Во всех случаях анализа принят уровень статистической значимости р = 0,05. В качестве инструментария построения нейросетевых моделей использовали автоматизированные нейронные сети DataMining программы Statistica. Решение задачи классификации уровня риска прогрессирования болезни достигнуто проведением ROC AUC анализа. Предсказательную силу модели оценивали при помощи показателей чувствительности и специфичности.

Результаты. В когорте определена неоднородная динамика предикторных переменных, характеризующих состояние опорного аппарата зубов. Исходы регенеративной хирургии пародонта, независимо от пола, возраста пациентов и сопутствующих общих заболеваний, существенно превзошли таковые при иных подходах за счет формирования нового зубодесневого прикрепления, хотя и в разном объеме. Дополнительный положительный функциональный исход отмечен при восстановлении целостности зубных рядов дентальными имплантатами, без взаимоповреждающих эффектов. Поскольку обнаружение взаимосвязей между показателями не предполагает знака равенства с прогностической ценностью, были построены прогностические модели для целевых показателей и стратификации относительного риска прогрессирования пародонтита с помощью автоматизированных нейронных сетей. Из 1000 автоматически построенных и обученных нейросетей — двухслойных персептронов выбраны сети с наилучшими прогностическими свойствами. Чувствительность модели прогнозирования относительного риска на обучающей, контрольной и тестовой выборках соответствовала 90, 67, 80%; специфичность модели соответствовала 81,481, 85,714, 100%. В целом в исследовательской когорте чувствительность и специфичность составили 85,937 и 86,666%. Площадь под кривой ROC AUC равна 0,859.

Заключение. Использование алгоритма искусственного интеллекта — построения нейронных сетей для целевых предикторов и стратификации относительного риска прогрессирования пародонтита — имеет преимущества перед классическими методами: позволяет решать задачи классификации и регрессии с категориальными и количественными предикторными переменными, используя данные произвольной природы большого и малого объема. Практическая реализация результатов исследования нашла отражение в разработке калькулятора относительного риска на основании написанной программы для ЭВМ.

1. Page R.C., Krall E.A., Martin J., Mancl L., Garcia R.I. Validity and accuracy of a risk calculator in predicting periodontal disease. J. Am. Den.t Assoc. 2002; 133(5): 569–576. DOI: 10.14219/jada.archive.2002.0232

2. Bui F.Q., Almeida-da-Silva C.L.C., Huynh B., Trinh A., Liu J., Woodward J., Asadi H., Ojcius D.M. Association between periodontal pathogens and systemic disease. Biomed. J. 2019; 42(1): 27-35. DOI: 10.1016/j.bj.2018.12.001

3. Chatzopoulos G.S., Koidou V.P. Association between susceptible genotypes to periodontitis and clinical outcomes of periodontal regenerative therapy: A systematic review. Med. Oral. Patol. Oral. Cir. Bucal. 2016; 21(4): e456-64. DOI: 10.4317/medoral.21105

4. Lang N.P., Suvan J.E., Tonetti M.S. Risk factor assessment tools for the prevention of periodontitis progression a systematic review. J. Clin. Periodontol. 2015; 42 Suppl 16: S59–70. DOI: 10.1111/jcpe.12350

5. Trombelli L., Minenna L., Toselli L., Zaetta A., Checchi L., Checchi V., Nieri M., Farina R. Prognostic value of a simplifi ed method for periodontal risk assessment during supportive periodontal therapy. J. Clin. Periodontol. 2017; 44(1): 51–57. DOI: 10.1111/jcpe.12645

6. Farina R., Simonelli A., Baraldi A., Pramstraller M., Minenna L., Toselli L., Maietti E., Trombelli L. Tooth loss in complying and non-complying periodontitis patients with different periodontal risk levels during supportive periodontal care. Clin. Oral. Investig. 2021; 25(10): 5897–5906. DOI: 10.1007/s00784-021-03895-8

7. Saminsky M., Halperin-Sternfeld M., Machtei E.E., Horwitz J. Variables affecting tooth survival and changes in probing depth: a long-term follow-up of periodontitis patients. J. Clin. Periodontol. 2015; 42(6): 513–519. DOI: 10.1111/jcpe.12419

8. Щекина, Е.Н. Использование системного подхода для создания систем поддержки принятия решений в медицине (обзор литературы). Вестник новых медицинских технологий. Электронное издание. 2017; 2: 356-364. DOI 10.12737/article_58f0b921cab9a8.03255229

9. Ramseier C.A., Nydegger M., Walter C., Fischer G., Sculean A., Lang N.P., Salvi G.E. Time between recall visits and residual probing depths predict longterm stability in patients enrolled in supportive periodontal therapy. J. Clin. Periodontol. 2019; 46(2): 218–230. DOI: 10.1111/jcpe.13041

10. Matuliene G., Pjetursson B.E., Salvi G.E., Schmidlin K., Bragger U., Zwahlen M., Lang N.P. Infl uence of residual pockets on progression of periodontitis and tooth loss: results after 11 years of maintenance. J. Clin. Periodontol. 2008; 35(8): 685–695. DOI: 10.1111/j.1600-051X.2008.01245.x

11. Тхатль Л.К., Ставенчук Т.В., Халафян А.А., Космачева Е.Д., Пашкова И.А. Оценка выживаемости реципиентов сердца на основе иммунологического скрининга антител к лейкоцитарным донорским антигенам и ультразвуковых методов диагностики. Российский кардиологический журнал. 2019; (8): 44–51. DOI: 10.15829/1560-4071-2019-8-44-51

12. Lang N.P., Bartold P.M. Periodontal health. J. Clin. Periodontol. 2018; 45 Suppl 20: S9-S16. DOI: 10.1111/jcpe.12936

13. Shimpi N., McRoy S., Zhao H., Wu M., Acharya A. Development of a periodontitis risk assessment model for primary care providers in an interdisciplinary setting. Technol. Health. Care. 2020; 28(2): 143–154. DOI: 10.3233/THC-191642

14. Pini Prato G.P., Di Gianfi lippo R., Wang H.L. Success in periodontology: An evolutive concept. J. Clin. Periodontol. 2019; 46(8): 840–845. DOI: 10.1111/jcpe.13150

15. Cortellini P., Stalpers G., Mollo A., Tonetti M.S. Periodontal regeneration versus extraction and prosthetic replacement of teeth severely compromised by attachment loss to the apex: 5-year results of an ongoing randomized clinical trial. J. Clin. Periodontol. 2011; 38(10): 915–924. DOI: 10.1111/j.1600-051X.2011.01768.x

16. Cortellini P., Buti J., Pini Prato G., Tonetti M.S. Periodontal regeneration compared with access fl ap surgery in human intra-bony defects 20-year follow-up of a randomized clinical trial: tooth retention, periodontitis recurrence and costs. J. Clin. Periodontol. 2017; 44(1): 58–66. DOI: 10.1111/jcpe.12638