Previsão de perda de dentes: Algoritmos gerado por Machine-learning pode identificar o risco

A perda de dentes é muitas vezes aceite como uma parte natural do envelhecimento. 

Uma nova pesquisa liderada por investigadores da Harvard School of Dental Medicine sugere que as ferramentas de Machine-learning podem ajudar a identificar os que correm maior risco de perda de dentes. 

O estudo, publicado a 18 de junho no PLOS ONE, comparou cinco algoritmos usando uma combinação diferente de variáveis para rastrear para o risco. Os resultados mostraram aqueles que reúnem as características médicas e variáveis socioeconómicas, como raça, educação, artrite e diabetes, superam o algoritmo que se baseavam apenas em indicadores clínicos dentários.

"A nossa análise mostrou que, embora todos os modelos de aprendizagem automática possam ser preditores úteis de risco, aqueles que incorporam variáveis socioeconómicas podem ser ferramentas de rastreio especialmente poderosas para identificar aqueles que têm um risco elevado de perda de dentes", disse o investigador principal do estudo, Hawazin Elani, professor assistente de política de saúde oral e epidemiologia no HSDM.

A abordagem poderia ser usada para rastrear pessoas em todo o mundo e em diversos contextos de cuidados de saúde, mesmo por profissionais não dentários, acrescentou.

A perda de dentes pode ser física e psicologicamente debilitante. Pode afetar a qualidade de vida, bem-estar, nutrição e interações sociais. O processo pode ser adiado, mesmo prevenido, se forem identificados os primeiros sinais de doença dentária, e a condição tratada prontamente. No entanto, muitas pessoas com doença dentária podem não consultar um médico dentista até que o processo tenha avançado muito além do ponto de se puder salvar um dente. É precisamente aqui que as ferramentas de rastreio podem ajudar a identificar as pessoas com maior risco e encaminhá-las para uma avaliação posterior, adiantou a equipa.

No estudo, os investigadores utilizaram dados que incluem cerca de 12.000 adultos do National Health and Nutrition Examination Survey para conceber e testar cinco algoritmos de Machine Learning e avaliar o quão bem previram a perda total e incremental de dentes em adultos com base em características socioeconómicas, sanitárias e médicas.

Notavelmente, os algoritmos foram projetados para avaliar o risco sem um exame dentário. Qualquer pessoa considerada de alto risco de perda de dentes, no entanto, ainda teria de ser submetida a um exame real, acrescentaram os investigadores.

Os resultados da análise apontam para a importância dos fatores socioeconómicos que moldam o risco para além dos indicadores clínicos tradicionais.

"As nossas descobertas sugerem que os modelos de algoritmos de Machine-learning que incorporam características socioeconómicas eram melhores a prever a perda de dentes do que aqueles que dependem apenas de indicadores clínicos  rotineiros", disse Elani. "Este trabalho destaca a importância das determinantes sociais da saúde. Conhecer o nível de educação do doente, o estado do emprego e o rendimento é igualmente relevante para prever a perda de dentes como avaliar o seu estado dentário clínico."

Na verdade, há muito que se sabe que populações de baixos rendimentos e marginalizadas experimentam uma parte desproporcional do fardo da perda de dentes, provavelmente devido à falta de acesso regular aos cuidados dentários, entre outras razões, disse a equipa.

"Como profissionais de saúde oral, sabemos o quão críticos são os cuidados precoces e rápidos na prevenção da perda de dentes, e estas novas descobertas apontam para uma nova ferramenta importante para o conseguir", disse Jane Barrow, reitora associada para a saúde global e comunitária e diretora executiva da Iniciativa de Integração da Saúde Oral e Medicina no HSDM. "A Dr. Elani e a sua equipa de pesquisa lançaram uma nova luz sobre como podemos mais eficazmente e direcionar os nossos esforços de prevenção e melhorar a qualidade de vida dos nossos pacientes."

A investigação foi feita em colaboração com investigadores da Harvard T.H. Chan School of Public Health, da Universidade de São Paolo, no Brasil, e da Faculdade de Medicina Dentária da Universidade de Otago, na Nova Zelândia.

Os co-investigadores incluíam André F.M. Batista, W. Murray Thomson, Ichiro Kawachi e  Alexandre D. P. Chiavegatto Filho.

Fonte: Harvard Medical School

Artigo original SienceDaily:  "Predicting tooth loss"