Мультизадачное модельное выживание зависимых событий отторжения и реимплантации зубных имплантатов

Почему это важно для людей с зубными имплантатами

Зубные имплантаты предназначены быть долгосрочной заменой отсутствующего зуба, но иногда они дают сбой и их приходится заменять. Для пациентов главный вопрос прост: «Каковы шансы, что этот имплантат прослужит, и если он потерпит неудачу, что будет дальше?» В этом исследовании предлагается новая модель искусственного интеллекта (ИИ), которая отслеживает имплантаты во времени, обучаясь предсказывать, когда они с большой вероятностью выйдут из строя и когда может быть проведена реимплантация — вплоть до ситуации, когда замена выполняется в тот же самый день. Цель — дать стоматологам и пациентам более ясные, персонализированные оценки риска для планирования и последующего наблюдения.

Отслеживание полного жизненного цикла имплантата

Исследователи сосредоточились на двух связанных событиях в одном и том же зубном участке: отказ имплантата и последующая реимплантация в том же месте. В реальной практике эти события не независимы. Второй имплантат может быть установлен только после того, как первый выйдет из строя, и в некоторых случаях замена выполняется сразу в тот же визит. Традиционные статистические инструменты для «анализа выживания» обычно рассматривают лишь одно событие за раз и предполагают, что разные события не связаны между собой. Это делает их плохо приспособленными для таких тесно связанных по этапам клинических сценариев. Чтобы справиться с этим, авторы построили модель, которая рассматривает отказ и реимплантацию как стадии одного клинического процесса, а не как отдельные, несвязанные исходы.

Данные из повседневной стоматологической практики

Команда использовала записи 1 627 пациентов, лечившихся в нескольких имплантационных центрах в период с 1998 по 2021 год. Каждый пациент вносил данные только по одному имплантационному участку, чтобы анализ оставался сфокусированным на истории этого конкретного места. Среди этих пациентов 73 получили реимплантацию после отказа имплантата, включая 32 случая, когда новый имплантат был установлен в тот же день, когда удаляли старый. Для каждого пациента исследователи собрали 57 параметров, охватывающих общее состояние здоровья (например, диабет или остеопороз), факторы образа жизни (курение, питание), состояния полости рта (качество кости, тип десны, пародонтальные заболевания) и подробные характеристики самого участка имплантации. Пропущенные значения аккуратно заполнялись стандартными методами медицинской статистики, чтобы не искажать закономерности в данных.

ИИ-модель, учитывающая время и зависимость событий

Новая модель, названная SIMMT, рассматривает время как последовательность равных по длине интервалов вместо непрерывного хронометра. Для каждого интервала она оценивает вероятность отказа имплантата и, в случае отказа, вероятность реимплантации. Модель использует общий «кодировщик», который усваивает все клинические характеристики пациента, а затем распадается на две связанные ветви — одну для отказа, другую для реимплантации. Ключевая инновация — правило маскирования: ветвь реимплантации может обучаться и делать прогнозы только в тех временных интервалах, которые идут после отказа, что отражает ход оказания помощи на практике. Специальный флаг «одновременности» сообщает модели, когда отказ и реимплантация произошли в одном и том же интервале, помогая учиться на случаях замены в тот же день. Слои с мультиголовочным вниманием позволяют модели выявлять, какие признаки наиболее важны для каждой стадии, а ограничение монотонности мягко направляет общий риск по времени двигаться в реалистичном невозрастающем (неубывающем) направлении.

Насколько хорошо это работало?

Модель проверяли с помощью строгой стратегии кросс-валидации: данные разделили на пять частей, и по очереди каждая часть удерживалась для тестирования. Время было разделено на восемь интервалов, охватывающих примерно 10 лет, выбранных для соответствия типичным фазам последующего наблюдения в стоматологии. В таких условиях SIMMT показала высокую точность в прогнозировании обоих событий. Для отказа имплантата она достигла индекса согласованности около 0,81, что означает надежную ранжировку пациентов с более высоким риском выше пациентов с более низким риском. Для реимплантации, прогнозируемой только после отказа, показатели были ещё лучше — индекс согласованности около 0,97. Модель также выдавала хорошо откалиброванные вероятности — предсказанные риски тесно соответствовали фактическим наблюдаемым частотам с учетом пациентов, досрочно ушедших из исследования. По сравнению со стандартными методами, такими как модель пропорциональных рисков Кокса, Random Survival Forests и глубокими методами вроде DeepSurv и DeepHit, SIMMT последовательно обеспечивала лучшее ранжирование и сопоставимые или меньшие ошибки в оценке вероятностей.

Что модель выяснила о факторах риска

Помимо чистой точности, авторы изучили, какие факторы модель сочла важными для риска. Для первого имплантата наиболее значимыми оказались системное состояние здоровья и местные характеристики кости. Диабет, качество и плотность кости, гигиена полости рта, аллергические реакции и ширина беззубого промежутка сыграли ключевые роли, что согласуется с существующими клиническими представлениями. Для реимплантации картина сместилась: значимыми стали детали лечения имплантатом, форма дефекта, состояния, связанные с артериальным давлением, возраст, высота кости и использование костной пластики. Это предполагает, что первая стадия определяется сочетанием общего здоровья и местной опоры для имплантата, тогда как вторая отражает реакцию хирургов и пациентов после отказа, включая сложность хирургического вмешательства и медицинские соображения.

Что это значит для пациентов и клиницистов

Проще говоря, это исследование показывает, что система ИИ может проследить жизнь зубного имплантата в два этапа — сначала вероятность его отказа, затем если и когда может быть установлена замена — соблюдая реальные правила, такие как «второй имплантат не устанавливается до отказа первого» и «иногда оба события происходят в один день». Учитывая эти зависимости и используя множество аспектов здоровья и состояния полости рта пациента, модель выдает индивидуальные кривые риска вместо универсальных оценок. При дальнейшей валидации в других центрах и популяциях такие инструменты могут помочь стоматологам адаптировать графики наблюдения, обсуждать с пациентами реалистичные сроки и риски и принимать решения о профилактических или корректирующих действиях, продвигая уход за имплантатами в сторону более персонализированного планирования лечения.

Цитирование: Nooraldaim, A.S., Xue, Z., Lai, X. et al. Multi-task survival modeling of dependent failure and reimplantation events in dental implants. Sci Rep 16, 13303 (2026). https://doi.org/10.1038/s41598-026-40955-z

Ключевые слова: зубные имплантаты, отказ имплантата, реимплантация, моделирование выживания, клиническая поддержка принятия решений