Điểm nổi bật
- Các bác sĩ lâm sàng cho thấy độ chính xác tổng thể cao hơn AI khi dự đoán khả năng tồn tại của răng sau 10 năm bằng ngưỡng cố định.
- Khi áp dụng các ngưỡng tối ưu theo từng nhóm, hiệu năng của AI được cải thiện và trở nên tương đương với các bác sĩ lâm sàng.
- AI có hiệu chuẩn kém hơn so với các bác sĩ lâm sàng, cho thấy các ước tính xác suất kém tin cậy hơn.
- Hiệu năng của AI ở từng cá thể chồng lấp với một số bác sĩ lâm sàng, gợi ý tiềm năng như một công cụ chẩn đoán bổ trợ.
Bối cảnh nghiên cứu
Bệnh nha chu vẫn là một trong những nguyên nhân hàng đầu gây mất răng trên toàn thế giới, đồng thời tạo ra gánh nặng lớn về lâm sàng và kinh tế. Dự báo dài hạn hiệu quả đối với kết cục nha chu là yếu tố then chốt trong quản lý người bệnh cá thể hóa, hỗ trợ quyết định điều trị và phân bổ nguồn lực. Dự báo truyền thống phụ thuộc nhiều vào kinh nghiệm của bác sĩ lâm sàng, kết hợp dữ liệu lâm sàng và X-quang đa dạng theo thời gian. Trong những năm gần đây, trí tuệ nhân tạo (Artificial Intelligence, AI) nổi lên như một công cụ đầy hứa hẹn trong nha khoa lâm sàng, có tiềm năng tăng cường độ chính xác chẩn đoán và đánh giá tiên lượng thông qua mô hình hóa dựa trên dữ liệu. Tuy nhiên, bằng chứng đánh giá liệu AI có thể sánh ngang hoặc vượt qua các bác sĩ có kinh nghiệm trong tiên lượng nha chu dài hạn hay không vẫn còn hạn chế. Nghiên cứu này nhằm lấp đầy khoảng trống đó bằng cách so sánh trực tiếp AI với các bác sĩ nha chu và bác sĩ nha khoa tổng quát trong dự đoán mất răng trong vòng 10 năm, qua đó làm rõ vai trò tiềm năng của AI trong thực hành nha chu.
Thiết kế nghiên cứu
Nghiên cứu này sử dụng thiết kế so sánh độ chính xác, bao gồm một mô hình AI đã được huấn luyện và các bác sĩ lâm sàng đang hành nghề. Mô hình AI được phát triển từ dữ liệu lâm sàng và X-quang có cấu trúc của một đoàn hệ có kết cục nha chu sau 10 năm đã biết. Mười hai bác sĩ nha chu có kinh nghiệm và mười một bác sĩ nha khoa tổng quát (general dentists, GDs) độc lập chấm điểm tiên lượng cho 300 răng, mỗi răng được phân loại theo thang điểm 0–10 để dự đoán khả năng tồn tại của răng. Tiêu chí đánh giá chính là độ chính xác trong dự đoán mất răng trong 10 năm.
So sánh giữa AI và hiệu năng của bác sĩ lâm sàng được dựa trên hai cách đánh giá: ngưỡng tiên lượng cố định (điểm >5 biểu thị răng được kỳ vọng sẽ tồn tại) và ngưỡng tối ưu riêng cho từng nhóm được xác định cho mỗi người đánh giá. Các chỉ số được sử dụng bao gồm độ chính xác, độ nhạy, độ đặc hiệu, giá trị dự báo, diện tích dưới đường cong ROC (area under the receiver operating characteristic curve, AUC) và hiệu chuẩn được đo bằng điểm Brier.
Kết quả chính
Khi áp dụng ngưỡng cố định, cả hai nhóm bác sĩ lâm sàng đều vượt trội đáng kể so với AI về độ chính xác tổng thể: bác sĩ nha chu đạt 75,6%, bác sĩ nha khoa tổng quát đạt 74,9%, trong khi AI đạt 69,2% (p < 0,05). Độ nhạy — khả năng xác định đúng các răng bị mất — thấp và tương tự giữa tất cả các nhóm (14,7%–22,7%), phản ánh thách thức trong dự đoán chính xác mất răng.
Khi điều chỉnh theo ngưỡng tối ưu riêng cho từng nhóm, độ chính xác của AI được cải thiện đáng kể lên 67,5% trong dự đoán mất răng do mọi nguyên nhân, gần như tương đương với bác sĩ nha khoa tổng quát trong dự đoán mất răng liên quan đến viêm nha chu (76,2% so với 76,3%). Những phát hiện này cho thấy độ chính xác dự đoán của AI nhạy với việc hiệu chỉnh ngưỡng, và AI có thể đạt mức tương đương với người đánh giá khi ngưỡng được tối ưu hóa.
Mặc dù độ chính xác tương đương trong điều kiện tối ưu, AI cho thấy hiệu chuẩn kém rõ rệt hơn (điểm Brier 0,247) so với bác sĩ nha chu và bác sĩ nha khoa tổng quát (lần lượt là 0,171 và 0,170), cho thấy các ước tính xác suất của AI ít phù hợp hơn với kết cục thực tế. Hiệu chuẩn là yếu tố có ý nghĩa lâm sàng trong việc cá thể hóa quyết định điều trị.
Hiệu năng của AI ở từng cá thể chồng lấp với một số bác sĩ lâm sàng, cho thấy sự biến thiên trong năng lực tiên lượng của chuyên gia con người và nhấn mạnh tiềm năng của AI như một công cụ bổ trợ thay vì thay thế.
Nhận định của chuyên gia
Nghiên cứu so sánh mang tính bước ngoặt này cung cấp những hiểu biết quan trọng về vai trò của AI trong tiên lượng nha chu. Mặc dù AI hiện chưa vượt qua bác sĩ lâm sàng trong bối cảnh ngưỡng tiêu chuẩn, hiệu năng tương đương khi sử dụng các ngưỡng cá thể hóa gợi ý rằng AI có thể hỗ trợ ra quyết định lâm sàng như một công cụ bổ trợ, đặc biệt trong thực hành nha khoa tổng quát nơi nguồn lực chuyên khoa có thể hạn chế. Các chuyên gia lưu ý rằng độ nhạy ở mức khiêm tốn giữa tất cả người đánh giá cho thấy những thách thức vốn có trong dự đoán mất răng dài hạn, phản ánh tiến triển bệnh phức tạp, đa yếu tố và mức độ tuân thủ điều trị thay đổi ở từng người bệnh.
Ưu điểm của nghiên cứu nằm ở nền tảng dữ liệu lâm sàng thực tế và việc bao gồm cả bác sĩ nha chu lẫn bác sĩ nha khoa tổng quát, làm tăng tính liên quan. Hạn chế bao gồm việc chỉ sử dụng một mô hình AI duy nhất và dữ liệu kết cục hồi cứu, có thể ảnh hưởng đến khả năng khái quát hóa. Việc xác nhận tiến cứu thêm và tích hợp các dạng dữ liệu bổ sung như các yếu tố hành vi dọc theo thời gian và yếu tố sức khỏe toàn thân có thể cải thiện năng lực tiên lượng của AI.
Ở góc độ cơ chế, các mô hình AI chủ yếu dựa trên các chỉ số lâm sàng có cấu trúc có thể bỏ sót những tín hiệu sinh học và môi trường tinh tế mà bác sĩ giàu kinh nghiệm thường tích hợp một cách trực giác. Những cải tiến AI trong tương lai, bao gồm phân tích hình ảnh nâng cao và dữ liệu multi-omics, có thể nâng độ chính xác dự đoán vượt quá năng lực con người.
Kết luận
Nghiên cứu này cho thấy AI, mặc dù không vượt trội hơn bác sĩ nha chu hoặc bác sĩ nha khoa tổng quát khi áp dụng ngưỡng tiên lượng cố định, vẫn có thể đạt độ chính xác tương đương khi sử dụng các ngưỡng tối ưu. Dù năng lực dự đoán tổng thể còn khiêm tốn và hiệu chuẩn kém hơn, hiệu năng của AI chồng lấp với một số bác sĩ lâm sàng, qua đó định vị AI như một công cụ bổ sung đầy hứa hẹn trong tiên lượng nha chu. Những phát hiện này ủng hộ việc tích hợp thận trọng AI vào quy trình làm việc lâm sàng để hỗ trợ, chứ không thay thế, phán đoán của bác sĩ trong dự đoán mất răng dài hạn. Việc tiếp tục phát triển và xác nhận tiến cứu các mô hình tiên lượng AI vẫn là yêu cầu thiết yếu nhằm nâng cao chăm sóc nha chu cá thể hóa.
Tài trợ và ClinicalTrials.gov
Nghiên cứu không báo cáo nguồn tài trợ cụ thể hoặc đăng ký thử nghiệm lâm sàng.
Tài liệu tham khảo
- López-Galindo PA, Troiano G, Serroni M, et al. Can Artificial Intelligence Match Human Expertise in Long-Term Periodontal Prognosis? A Comparative Accuracy Study. J Clin Periodontol. 2026;53(11):1712-1721. PMID: 42629146.
- Tonetti MS, Jepsen S, Jin L, Otomo-Corgel J. Impact of the global burden of periodontal diseases on health, nutrition, and wellbeing of mankind: A call for global action. J Clin Periodontol. 2017;44(5):456-462.
- Devlin H, Kelly MP, Halpin M, et al. Clinical utility of AI in periodontology: current status and future prospects. Periodontol 2000. 2023;92(1):245-259.
Công cụ tính theo chuyên khoa
Công cụ tính được hiển thị bằng tiếng Anh.
Dùng để tham khảo lâm sàng, kết hợp với đánh giá chuyên môn.
