顎関節症の早期診断にはバイオマーカーと機械学習が利用できる

慢性腰痛の次に、顎関節（TMJ）障害は、人口の5〜12％に影響を与える2番目に一般的な筋骨格疾患であり、年に約40億ドルの健康コストが推定されています。顎関節の変形性関節症（OA）における慢性障害は加齢とともに増加し、主な目標は形態的退行が起こる前に診断することです。ここでは、TMJ OA患者と対照から52の臨床的、科学的、高解像度CBCT（ラジオミクス）マーカーをキャプチャ、処理、分析する高度なデータサイエンスを用いてこの課題に取り組みます。ロジスティック回帰、ランダムフォレスト、LightGBM、XGBoostの4つの機械学習モデルの診断性能をテストしました。頭痛、痛みのない口の開口範囲、エネルギー、ハラリック相関、唾液中のTGF-β1と頭痛、血清中のVE-カドヘリンと唾液中のアンジオジェニン、唾液中のVE-カドヘリンと頭痛、唾液中のPA1と頭痛、唾液中のPA1と痛みのない口の開口範囲、性別と筋肉の痛み、短いラン・低グレー・レベルの重視と頭痛、逆差分モーメントと小梁の分離が、この臨床状態の初期段階を正確に診断します。我々の結果は、これらの特徴と相互作用を持つXGBoost + LightGBMモデルが、TMJ OAの状態を診断するための精度0.823、AUC 0.870、F1スコア0.823を達成することを示しています。したがって、将来的な研究において、変形性関節症患者特有の治療介入を促進し、関節の健康を改善することを期待しています。