Прогнозирование удовлетворённости пациентов в цифровой ортодонтии с помощью модели на базе KAC, интегрирующей ИИ‑поддержку и стратификацию риска

Почему ваша улыбка и технологии теперь идут рука об руку

Все больше ортодонтических лечений — от прозрачных элайнеров до индивидуальных брекетов — управляются цифровыми инструментами и искусственным интеллектом (ИИ). Но даже когда технологии впечатляют, пациенты не всегда остаются довольны. В этом исследовании задаётся простой, но важный вопрос: можно ли предсказать, какие пациенты будут удовлетворены ИИ‑поддерживаемым ортодонтическим лечением, понимая, что они знают, как они себя чувствуют и что их беспокоит?

Взгляд дальше, чем просто ровные зубы

Исследователи сосредоточились на «цифровой ортодонтии», которая включает методы с использованием 3D‑сканирования, компьютерного проектирования аппаратов, ИИ‑ассистированной диагностики и удалённого мониторинга. Хотя эти достижения обещают более быструю и точную помощь, удовлетворённость пациентов не всегда идёт в ногу с энтузиазмом многих клиницистов. Пациенты сильно отличаются по уровню понимания ИИ, степени доверия к нему и готовности делиться данными или полагаться на программное обеспечение. Вместо того чтобы смотреть только на клинические результаты или простые опросы о симпатии к технологиям, команда постаралась создать структурированный способ измерить человеческую сторону цифровой ортодонтической помощи.

Три составляющие пациентского опыта

Для этого авторы разработали рамочную модель, которую назвали «Знание–Отношение–Проблема» (KAC). «Знание» отражает, насколько хорошо пациенты понимают цифровые и ИИ‑основанные ортодонтические инструменты. «Отношение» показывает их общую открытость, доверие и комфорт при использовании этих инструментов в своём лечении. «Проблема» суммирует воспринимаемые препятствия, такие как стоимость, техническая сложность, опасения по поводу конфиденциальности, трудности с записью или тревога перед незнакомыми технологиями. Команда создала и протестировала два опросника — один для 500 пациентов и другой для 500 ортодонтов по всей Китаю — чтобы надежно измерить эти три элемента. В модель прогноза были включены только ответы пациентов, в то время как данные клиницистов помогли описать, как поставщики видят те же проблемы.

Преобразование чувств и страхов в прогноз

Из 500 пациентов примерно семь из десяти сообщили, что они довольны или очень довольны своим лечением. При сравнении довольных и менее довольных пациентов выявились чёткие закономерности. Те, кто лучше понимал цифровую ортодонтию и относился к ИИ позитивно, последовательно сообщали о более высокой степени удовлетворённости. Напротив, те, кто ощущал бремя из‑за стоимости, технических или приватных опасений или практических неудобств, как правило, были менее довольны. С помощью статистического моделирования авторы объединили KAC‑баллы с базовой информацией — возрастом, полом, уровнем образования и типом цифрового лечения (прозрачные элайнеры или индивидуальные фиксированные брекеты) — чтобы предсказать, кто окажется довольным. Получившаяся модель могла с хорошей точностью разделять пациентов с более высокой и более низкой удовлетворённостью.

Сортировка пациентов по риску неудовлетворённости

Затем команда перевела прогнозы модели в три простые группы. Пациенты, чьи ответы указывали на низкий риск неудовлетворённости, с большой вероятностью останутся довольны лечением, тогда как у пациентов из группы наивысшего риска показатели удовлетворённости были значительно ниже, несмотря на схожие виды лечения. Этот шаг — называемый стратификацией риска — важен, потому что он превращает абстрактные баллы в практически применимые рекомендации. Например, пациенту, помеченному как высокий риск, может потребоваться более длинная беседа о принципах работы ИИ‑системы, дополнительные гарантии по безопасности данных или более ясное объяснение того, что цифровые инструменты могут и чего не могут сделать для его улыбки.

Что это значит для будущих визитов к ортодонту

Авторы делают вывод, что удовлетворённость пациентов при ИИ‑ассистируемой ортодонтии в значительной степени зависит от того, что пациенты знают, как они относятся к технологиям и какие препятствия встречают — а не только от технического качества лечения. Модель на базе KAC предлагает практический инструмент для выявления пациентов, которые могут разочароваться, на ранней стадии, давая клиницистам возможность скорректировать коммуникацию, развеять опасения и адаптировать поддержку. По мере того как ИИ всё глубже проникает в стоматологическую помощь, такие подходы могут помочь обеспечить, чтобы более умные технологии действительно приводили к лучшему и более уверяющему опыту в кресле врача.

Цитирование: Xiaoting, X., Ismail, N.A., Liu, Y. et al. Predicting patient satisfaction in digital orthodontics using a KAC based model integrating AI support and risk stratification. Sci Rep 16, 11164 (2026). https://doi.org/10.1038/s41598-026-39105-2

Ключевые слова: цифровая ортодонтия, удовлетворённость пациентов, искусственный интеллект в стоматологии, стратификация риска, отношение пациентов