注目ポイント
固定閾値を用いた10年後の歯の生存予測では、臨床医の全体的な精度がAIより高かった。
群別の最適閾値を適用すると、AIの成績は改善し、臨床医と同等となった。
AIは臨床医と比べてキャリブレーションが不良であり、確率推定の信頼性が低いことが示された。
個々のAIの成績は一部の臨床医と重なっており、補助的診断ツールとしての可能性が示唆された。
研究背景
歯周病は依然として世界的な歯牙喪失の主要原因の一つであり、臨床的にも経済的にも大きな負担をもたらしている。歯周病の長期予後を的確に予測することは、個別化された患者管理において極めて重要であり、治療方針の決定や医療資源配分にも影響する。従来の予後判定は、時間経過に伴う多様な臨床情報および画像情報を統合する歯科医師の専門的判断に大きく依存してきた。近年、人工知能（Artificial Intelligence, AI）は臨床歯科における有望な手法として注目されており、データ駆動型モデリングを通じて診断精度および予後評価を補完する可能性がある。しかし、AIが経験豊富な臨床医と同等、あるいはそれ以上の性能を長期歯周予後で示し得るかを検証したエビデンスは限られている。本研究はこの空白を埋めるため、10年間の歯牙喪失予測においてAIと歯周病専門医および一般歯科医を直接比較し、歯周診療におけるAIの役割を検討した。
研究デザイン
本研究は、訓練済みAIモデルと臨床医を比較する精度比較デザインを用いた。AIモデルは、10年後の歯周病転帰が既知のコホートから得られた構造化された臨床・画像データを用いて開発された。経験豊富な歯周病専門医12名と一般歯科医11名（general dentists, GDs）が、300本の歯に対して独立して予後スコアを付与し、各歯は歯の生存を予測する0～10点尺度で分類された。主要評価項目は、10年にわたる歯牙喪失予測の精度であった。
AIと臨床医の比較は、2つの評価法に基づいて行われた。すなわち、固定予後閾値（スコア＞5を生存予測とする）と、各評価者ごとに導出した群別最適閾値である。評価指標には、正解率、感度、特異度、予測値、受信者動作特性曲線下面積（area under the receiver operating characteristic curve, AUC）、およびBrierスコアで測定したキャリブレーション性能が含まれた。
主な結果
固定閾値を適用した場合、臨床医2群はいずれもAIより全体的な精度が有意に高かった。歯周病専門医は75.6%、一般歯科医は74.9%であったのに対し、AIは69.2%であった（p＜0.05）。感度――すなわち、喪失した歯を正しく同定する能力――は全群で低値かつ同程度であり（14.7%～22.7%）、歯牙喪失の正確な予測の難しさを反映していた。
群別最適閾値に調整すると、AIの精度は全原因による歯牙喪失予測で67.5%に有意に改善し、歯周炎関連歯牙喪失では一般歯科医とほぼ同等となった（76.2%対76.3%）。これらの結果は、AIの予測精度が閾値設定に敏感であり、閾値を最適化すれば人間の評価者と同等の性能に到達し得ることを示している。
最適化条件下では精度が同程度であったにもかかわらず、AIのキャリブレーションは歯周病専門医および一般歯科医（それぞれ0.171、0.170）と比べて著しく不良であり、Brierスコアは0.247であった。これは、AIの確率推定が実際の転帰と十分に一致していないことを示す。キャリブレーションは、個別化された治療判断を行う上で臨床的に重要である。
個々のAIの成績は一部の臨床医と重なっており、人間の専門家間にも予後判定能力のばらつきが存在すること、またAIは代替ではなく補助的役割として有用である可能性が示された。
専門家コメント
本比較研究は、歯周予後におけるAIの役割について重要な知見を提供する。標準的な閾値設定ではAIは現時点で臨床医を上回らないものの、個別化された閾値を用いた場合に同等の性能を示したことから、とくに専門医が限られる一般診療の場面では、AIが診療意思決定を補助する可能性がある。専門家は、全評価者で感度が中等度にとどまったことは、長期的な歯牙喪失予測に内在する困難を浮き彫りにしており、複雑な多因子性の病態進行や患者の治療遵守状況のばらつきを反映していると指摘している。
本研究の強みは、実臨床データに基づくこと、ならびに歯周病専門医と一般歯科医の双方を含めて臨床的妥当性を高めている点にある。一方で、単一のAIモデルを用いたこと、および後ろ向き転帰データであることは一般化可能性に影響する可能性がある。今後は、前向き検証に加え、経時的な行動要因や全身健康要因などの追加データモダリティを統合することで、AIの予後予測能力が改善する可能性がある。
機序の観点からは、構造化された臨床指標を主として利用するAIモデルでは、経験豊富な臨床医が直感的に取り込んでいる微細な生物学的・環境的手がかりを捉え損ねる可能性がある。将来的には、高度な画像解析やマルチオミクスデータを組み込んだAIの改良により、人間の能力を超える予測精度が得られる可能性がある。
結論
本研究は、AIが固定された予後閾値の下では歯周病専門医や一般歯科医を上回らない一方で、最適閾値を適用すると同等の精度を達成し得ることを示した。全体として予測能は中等度であり、キャリブレーションも不良であったが、AIの成績は一部の臨床医と重なっており、歯周予後における有望な補助ツールとして位置づけられる。これらの結果は、長期的な歯牙喪失予測において臨床医の判断を置き換えるのではなく支援する形で、AIを慎重に臨床ワークフローへ統合する必要性を支持している。個別化された歯周診療をさらに向上させるためには、AI予後モデルの継続的な開発と前向き検証が不可欠である。
資金提供およびClinicalTrials.gov
本研究では、特定の資金提供源および臨床試験登録については報告されていない。
参考文献
López-Galindo PA, Troiano G, Serroni M, et al. Can Artificial Intelligence Match Human Expertise in Long-Term Periodontal Prognosis? A Comparative Accuracy Study. J Clin Periodontol. 2026;53(11):1712-1721. PMID: 42629146.
Tonetti MS, Jepsen S, Jin L, Otomo-Corgel J. Impact of the global burden of periodontal diseases on health, nutrition, and wellbeing of mankind: A call for global action. J Clin Periodontol. 2017;44(5):456-462.
Devlin H, Kelly MP, Halpin M, et al. Clinical utility of AI in periodontology: current status and future prospects. Periodontol 2000. 2023;92(1):245-259.
