“Machine learning“ revela variabilidade da cárie dentária

O  estudo que aplicou a aprendizagem automática não supervisionada aos dados dentários do Inquérito Nacional de Saúde e Nutrição dos EUA (NHANES) para descobrir diferentes “subtipos” ou padrões de cárie na população.   

O artigo científico intitula-se “Desvendando a Heterogeneidade da Cárie Dentária na NHANES Usando Aprendizagem Automática” e foi publicado no Journal of Dental Research.

Ideia central do estudo

Os investigadores desenvolveram um pipeline de limpeza de dados e descoberta de subtipos para transformar os dados complexos e plurianuais do NHANES num conjunto de dados "pronto para aprendizagem automática". De seguida, utilizaram métodos não supervisionados para encontrar grupos de pessoas com perfis de cárie e fatores de risco semelhantes.

Esta abordagem destacou uma heterogeneidade substancial na cárie relacionada com a idade e descobriu que as crianças e os idosos, por exemplo, se enquadram em grupos de risco distintos com diferentes combinações de fatores clínicos, comportamentais e ambientais.

Principais descobertas sobre a variabilidade

A análise mostrou que o risco de cárie não é uniforme, mesmo dentro da mesma faixa etária, mas divide-se em múltiplos subgrupos definidos por padrões de dieta, marcadores laboratoriais e exposições.

O pipeline identificou novas associações entre o estado da cárie e fatores como a exposição ao chumbo ou a poluentes, marcadores laboratoriais específicos, certos tipos de alimentos e padrões de sono, sugerindo marcadores adicionais de suscetibilidade para além dos fatores tradicionais de açúcar e higiene.

Porque é que isso é importante para a medicina dentária?

Ao revelar esta heterogeneidade, o estudo defende que os futuros modelos de previsão e programas de prevenção devem estratificar os pacientes em subtipos baseados em dados, em vez de tratar o “risco de cárie” como uma categoria única. 

O mesmo processo integrado poderia ser reutilizado no NHANES ou em bases de dados nacionais semelhantes para estudar outras doenças crónicas, ajudando os investigadores de saúde pública e clínicos a desenvolver intervenções mais direcionadas e específicas para cada grupo.