| 研究実績の概要 |
口腔機能の低下(オーラルフレイル)は，高齢者の死亡率上昇や要介護状態のリスクとなる。それゆえに、欠損補綴治療の客観的な判断基準を確立することは，歯科医学における急務である。歯の欠損の病態は歯列や咬合状態によって状況は大きく異なるため、補綴治療の定式化は困難であるとされてきた。近年、人工知能(Artificial Intelligence: AI)の目覚ましい進化とともに、人間が行う学習能力と同様の機能をコンピュータで実現する機械学習(Machine Learning)の医療への応用が試みられている。本研究では機械学習を基盤とした補綴歯科治療の診断システム確立のための端緒として、口腔内スキャナーで得られた患者のデジタル歯列データおよび臨床情報を用いて、機械学習により歯の欠損を客観的定量データとして分析し、オーラルフレイルの予測モデルを構築するのを見据えた研究を行った。口腔内スキャナーで取得したデータ等を利用した情報基盤構築にとって重要な印象精度を中心に研究を行った。具体的には口腔内スキャナー(Trios3, 3shape)を用いて、上下顎歯列の光学印象を行い、STLデータを集積し咬合接触面積の測定を行った。さらに、過去の治療歴・歯列の状態についてRetrospectiveな調査を行なった。経時的な口腔機能検査およびアンケートによる口腔関連QoL評価を縦断的に行った。これらのデータを統合し、それぞれの関連について多変量ロジスティック回帰モデルを用いて評価を行った。結果として咬合接触面積および欠損指数の増加に伴ない、口腔関連QoLの有意な変化のパターンを見出した。
|
