ПРОГНОЗИРОВАНИЕ ИНТЕНСИВНОСТИ ПОРАЖЕНИЯ ЗУБОВ КАРИЕСОМ ВОСПИТАННИКОВ ОБЩЕОБРАЗОВАТЕЛЬНЫХ ОРГАНИЗАЦИЙ МИНОБОРОНЫ РОССИИ С ПОМОЩЬЮ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ

Аннотация

Прогнозирование стоматологической заболеваемости является неотъемлемой частью и актуальной задачей при планировании лечебно-профилактической деятельности в рамках медицинского обеспечения воспитанников на протяжении всего периода обучения в образовательной организации. Разработка и внедрение прогностических моделей на основе алгоритмов машинного обучения обеспечивает более детальный персонифицированный подход, снижает риск развития основных стоматологических заболеваний и повышает качество оказания медициной помощи. Цель исследования. Разработка модели прогнозирования интенсивности поражения зубов кариесом воспитанников общеобразовательных организаций Министерства обороны Российской Федерации (далее – Минобороны России) при помощи алгоритмов машинного обучения. Материалы и методы. В результате диспансеризации получены данные о состоянии общесоматического и стоматологического здоровья 3701 воспитанника в возрасте 10–18 лет, а также другие медицинские данные за предыдущие периоды обучения с помощью выкопировки из личных медицинских книжек и официальных форм медицинской отчетности (форма 13К/МЕД). Проанализированы результаты анкетирования 2242 кадетов об уровне знаний и навыках в области профилактической стоматологии. Все вышеуказанные сведения обобщены в созданные базы данных. Рассчитаны группы здоровья воспитанников, уровень гигиены полости рта, а также распространенность и интенсивность основных стоматологических заболеваний и других факторов, влияющих на достоверность прогноза. Прогнозирование индексов пораженности кариесом зубов для смешанного и постоянного прикусов проводили при помощи алгоритмов машинного обучения CatBoost, Decision Tree и Random Forest с определением эффективности, надежности и достоверности прогноза. Результаты. Выявлен высокий уровень распространенности (72.9%) и интенсивности КПУ + кп = 3.96 ± 0.06 («К» – постоянный кариозный зуб; «П» – постоянный пломбированный зуб; «У» – постоянный удаленный зуб; «к» – молочный кариозный зуб; «п» – молочный пломбированный зуб) в популяции воспитанников. При сравнении алгоритмов машинного обучения модель CatBoost показала наилучший прогноз (MSE = 1.53, R2 = 0.82). Отмечены наиболее значительные признаки, вносящие наивысший вклад в прогностическую модель, – индекс КПУ за предыдущий год (66.3%), число интактных (пораженных) зубов (5.9%), потребность в неотложной медицинской помощи (5.1%).