WISSENSCHAFTLICHE EVIDENZ | LESEZEIT: 1 MINUTE
Machine Learning in der Kinderzahnheilkunde: Was wurde untersucht?
Eine systematische Übersichtsarbeit untersuchte, wie Machine Learning (maschinelles Lernen) als Teilbereich der künstlichen Intelligenz zur Datenanalyse und zur Erforschung oraler Erkrankungen im Kindesalter beitragen kann.
Die Forschenden der Universität Murcia werteten 20 Studien aus insgesamt 1.945 zunächst gesichteten Veröffentlichungen aus. Die Übersichtsarbeit orientierte sich an PRISMA und verwendete QUADAS-2 zur Qualitätsbewertung.
Welche Ergebnisse wurden festgestellt?
3 zentrale Ergebnisse
- Kariesvorhersage: 14 der 20 Studien untersuchten soziodemografische, verhaltensbezogene und biologische Faktoren, die mit Karies im Kindesalter verbunden sind.
- Kosten und Prävention: Die Analysen ergaben höhere Versicherungskosten bei Kindern mit frühen Kariesläsionen und größere Kosteneinsparungen im Zusammenhang mit Versiegelungen und Fluoridanwendungen.
- Weitere Anwendungen: Untersucht wurden die mundgesundheitsbezogene Lebensqualität Jugendlicher, Prädiktoren für eine erneute Behandlung unter tiefer Sedierung sowie die Wirksamkeit präventiver zahnmedizinischer Leistungen.
Was bedeutet das für die klinische Praxis?
Machine Learning in der Kinderzahnheilkunde kann Muster und Vorhersagefaktoren in großen Datensätzen erkennen. Daraus ergeben sich mögliche Anwendungen für die frühzeitige Erkennung oraler Erkrankungen und eine individualisierte Behandlungsplanung.
Die Autoren empfehlen, diese Verfahren in Forschung und Lehre einzubinden. Gleichzeitig betonen sie die Notwendigkeit spezifischer methodischer Leitlinien und Qualitätsbewertungsinstrumente, um die wissenschaftliche Evidenz zu verbessern.
Originaltitel:
Application of machine learning for data analysis in paediatric dentistry: a systematic review.
Autoren: I. Gómez-Ríos und Kollegen. Universität Murcia.
Quelle: Originalstudie lesen