种植体周围炎是一种情况，牙齿植入物周围的组织和骨骼受到感染，这种情况困扰着大约四分之一的牙齿植入物患者，目前尚没有可靠的方法来评估患者对这种疾病的反应。
为此，由密歇根大学牙科学院领导的一个团队开发了一种机器学习算法，这是一种人工智能形式，用于评估植入后的种植体周围炎后单个患者再生结果的风险。
该算法称为FARDEEP，代表表达式配置文件的快速和鲁棒反卷积。在这项研究中，研究人员使用FARDEEP分析了接受重建治疗的一组种植体周围炎患者的组织样本。他们量化了每种样品中有害细菌的数量和某些抵抗免疫细胞的感染的数量。
牙科学的资深作者和助理教授于雷·雷说，牙周病风险低的患者显示出更多的免疫细胞，这些免疫细胞非常擅长控制细菌感染。
雷恩说，研究小组惊讶于与移植患者更好的结局相关的细胞类型挑战了传统思维，雷恩也曾在Rogel癌症中心任职。
他说：“已经把重点放在更擅长伤口愈合和组织修复的免疫细胞类型上。”“但是，我们在这里表明，对于微生物控制至关重要的免疫细胞类型与优异的临床结果密切相关。
“手术管理可以减轻所有患者的细菌负担，但是，只有具有更多可控制细菌免疫细胞亚型的患者才能抑制病原菌的再定植，并显示出更好的再生结果。”
牙种植体支持的牙冠可提供美观，功能和自然感觉的牙齿替代，到2024年市场规模估计将达到68亿美元。牙种植体已经改变了重建的选择，但是新兴的种植体周围炎已严重损害了长期研究人员说，种植牙学的成功。
种植体周围炎可导致进行性骨丢失，出血，脓液，并最终导致牙齿植入物及其支撑的相关冠或假牙丢失。由于骨质差和愈合延迟，在先前受损的部位更换新的牙科植入物通常是具有挑战性的。种植体重建后，预防性维护种植体和长期管理种植体周围炎已成为常规操作的一部分。
UM临床助理教授，植入物周围炎临床试验的主要研究者，第一作者Jeff Wang说：“植入物周围炎的再生疗法价格昂贵，治疗结果无法预测。”“如果我们能够利用这些信息来确定最佳的治疗方案，那将是非常有帮助的，或者我们可能会决定，尽管重建骨头存在挑战，但更明智的选择是用新的植入物替换旧的植入物。 。”
标签： 人工智能
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
