Bağımlı başarısızlık ve aynı yere yeniden implantasyon olaylarının çok görevli sağkalım modellemesi

Diş implantı olan kişiler için neden önemli

Dental implantlar eksik dişlerin uzun vadeli yerine konması amacıyla yapılır, ancak bazen başarısız olurlar ve değiştirilmesi gerekir. Hastalar için en önemli soru basittir: “Bu implantın dayanma olasılığı nedir ve başarısız olursa sonra ne olur?” Bu çalışma, implantları zaman içinde izleyen, ne zaman başarısız olma olasılıkları olduğunu ve ikinci bir implantın ne zaman yerleştirilebileceğini—hatta bazen aynı gün içinde—öğrenen yeni bir yapay zeka (YZ) modeli sunuyor. Amaç, diş hekimleri ve hastalar için planlama ve takip bakımında yol gösterici olacak daha net, kişiselleştirilmiş risk tahminleri sağlamaktır.

İmplantın tüm yolculuğunu takip etmek

Araştırmacılar tek bir diş bölgesindeki iki birbiriyle bağlantılı olayı ele aldı: bir dental implantın başarısızlığı ve aynı noktaya daha sonra yapılan yeniden implantasyon. Gerçekte bu olaylar bağımsız değildir. İkinci bir implant yalnızca ilk implant başarısız olduktan sonra yerleştirilebilir ve bazı durumlarda yeniden yerleştirme aynı ziyarette hemen yapılır. Geleneksel “sağkalım analizi” araçları genellikle yalnızca tek bir olaya odaklanır ve farklı olayların ilişkisiz olduğunu varsayar; bu nedenle sıkı bağlı, aşamalı klinik yollar için uygun değillerdir. Bunu aşmak için yazarlar, başarısızlığı ve yeniden implantasyonu ayrı, ilişkisiz sonuçlar olarak değil, tek bir klinik hikâyenin aşamaları olarak ele alan bir model geliştirdiler.

Günlük diş pratiğinden gerçek dünya verileri

Araştırma ekibi 1998–2021 arasında birden çok implant merkezinde tedavi gören 1.627 hastanın kayıtlarını kullandı. Her kişi sadece bir implant bölgesi için veri sağladı, böylece analiz o bölgenin geçmişine odaklı kaldı. Bu hastalar arasında 73 kişi başarısız bir implant sonrası yeniden implantasyon aldı; bunların 32’sinde yeni implant aynı gün eski implant çıkarıldığında yerleştirildi. Her hasta için sistemik sağlık (diyabet veya osteoporoz gibi), yaşam tarzı faktörleri (sigara, beslenme), ağız koşulları (kemik kalitesi, dişeti tipi, periodontitis) ve implant bölgesinin ayrıntılı özelliklerini kapsayan 57 veri öğesi toplandı. Eksik değerler, verideki desenlerin bozulmaması için standart tıbbi istatistik yöntemleriyle dikkatle tamamlandı.

Zamanı ve bağımlılığı anlayan bir YZ modeli

SIMMT adlı yeni model, zamanı sürekli bir saat yerine eş uzunlukta aralıkların dizisi olarak ele alır. Her aralık için implantın başarısız olma olasılığını ve başarısızlık gerçekleşirse yeniden implantasyon olasılığını tahmin eder. Tüm hastanın klinik özelliklerini alan ortak bir “kodlayıcı” (encoder) kullanır, ardından başarısızlık ve yeniden implantasyon için birbirine bağlı iki dala ayrılır. Ana yeniliklerden biri maskeleme kuralıdır: yeniden implantasyon dalı yalnızca başarısızlıktan sonra gelen zaman aralıklarından öğrenmeye ve tahmin yapmaya izin verir; bu, bakımın pratikte nasıl ilerlediğini yansıtır. Özel bir “eşzamanlılık” bayrağı modelin aynı aralıkta başarısızlık ve yeniden implantasyon olaylarından öğrenmesine yardımcı olur. Çoklu-başlı dikkat katmanları modelin her aşama için hangi özelliklerin en önemli olduğunu keşfetmesini sağlar; monotonluk kısıtı ise toplam riskin zaman içinde gerçekçi biçimde azalmayan bir yönde hareket etmesini nazikçe destekler.

Ne kadar iyi çalıştı?

Model, verilerin beşe bölündüğü ve her bölümün sırayla test için ayrıldığı titiz bir çapraz doğrulama stratejisiyle test edildi. Zaman, tipik diş takip aşamalarına uyması için yaklaşık 10 yıla yayılan sekiz aralığa bölündü. Bu düzenlemede SIMMT her iki olayı tahmin etmede yüksek doğruluk gösterdi. İmplant başarısızlığı için concordance indeksi yaklaşık 0,81’e ulaştı; bu, yüksek riskli hastaları düşük riskli olanların üzerinde güvenilir biçimde sıraladığı anlamına geliyor. Yalnızca başarısızlıktan sonra tahmin edilen yeniden implantasyon için performans daha da güçlüydü; concordance indeksi yaklaşık 0,97 idi. Model ayrıca iyi kalibre edilmiş olasılıklar üretti—tahmin edilen riskler, erken çalışmadan ayrılan hastalar için düzeltilmiş gerçek gözlenen sıklıklarla yakından eşleşti. Cox orantılı riskler modeli, Random Survival Forests ve DeepSurv ile DeepHit gibi derin öğrenme araçları gibi standart yöntemlerle karşılaştırıldığında, SIMMT tutarlı olarak daha iyi sıralama ve tahmin edilen olasılıklarda benzer veya daha düşük hata sağladı.

Modelin risk faktörleri hakkında öğrendikleri

Ham doğruluğun ötesinde, yazarlar YZ’nin hangi faktörlerin riski belirlediğini nasıl öğrendiğini incelediler. İlk implant için sistemik sağlık ve yerel kemik koşulları en önemli etkenlerdi. Diyabet, kemik kalitesi ve yoğunluğu, ağız hijyeni, alerjik tepkiler ve dişsiz aralığın genişliği başlıca roller oynadı; bu, mevcut klinik bilgiyle uyumlu. Yeniden implantasyonda ise desenler değişti: implant tedavisi ayrıntıları, defektin şekli, kan basıncıyla ilişkili durumlar, yaş, kemik yüksekliği ve kemik grefti kullanımı daha belirgin hale geldi. Bu, ilk aşamanın genel sağlık ve implant için yerel destek karışımıyla; ikinci aşamanın ise başarısızlıktan sonra cerrahların ve hastaların verdiği yanıtlara, cerrahi karmaşıklığa ve tıbbi hususlara daha çok bağlı olduğunu gösteriyor.

Hastalar ve klinisyenler için anlamı

Günlük dilde, bu çalışma bir YZ sisteminin bir dental implantın yaşamını iki adımda izleyebileceğini—önce başarısız olup olmayacağını, sonra da bir yedek implantın olup ne zaman yerleştirilebileceğini—ve pratik kuralları (“ikinci implant ilk başarısız olmadan önce gelmez”, “bazen ikisi aynı gün olur” gibi) gözeterek gösteriyor. Bu bağımlılıkları yakalayarak ve bir hastanın sağlık ve ağız durumunun birçok yönünü kullanarak, model tek tip tahminler yerine bireysel risk eğrileri üretiyor. Eğer daha fazla merkezde ve farklı popülasyonlarda doğrulanırsa, bu tür araçlar diş hekimlerinin takip programlarını kişiselleştirmesine, hastalarla gerçekçi zaman çizelgeleri ve riskler hakkında konuşmasına ve önleyici veya düzeltici müdahalelerin ne zaman haklı olabileceğine karar vermesine yardımcı olarak implant bakımını daha gerçekten kişiselleştirilmiş tedavi planlamasına yönlendirebilir.

Atıf: 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

Anahtar kelimeler: dental implantlar, implant başarısızlığı, yeniden implantasyon, sağkalım modellemesi, klinik karar desteği