注目点
AIモデルにより26,550枚のパノラマX線画像から歯槽骨吸収量と欠損歯数を定量化し、連続的な口腔健康スコアが作成された。
AI算出パノラマスコアは、糖尿病、高血圧症、骨粗鬆症、虚血性心疾患、脂質異常症の5つの全身疾患と、独立して逆相関を示した。
相対リスクの識別能が最も高かったのは虚血性心疾患であり、年齢、性別、BMIを超えて、糖尿病、高血圧症、脂質異常症に対して追加的な予測価値を示した。
本手法は、自動化された定量的かつ非侵襲的な画像バイオマーカーであり、歯科と内科の統合的な疾患管理に寄与する可能性がある。
研究背景
口腔の健康は全身の健康と密接に関連することが古くから認識されており、特に歯周病や歯の喪失は、心血管疾患、代謝性疾患、骨粗鬆症と関連している。しかし、口腔画像データを日常診療における全身疾患リスク評価へ統合する取り組みは、依然として十分に発展していない。パノラマX線撮影は歯科診療で広く用いられており、歯列および歯槽骨を包括的に可視化できる。人工知能（Artificial Intelligence, AI）の進歩、特に画像の自動解析の発展により、大規模に口腔の健康状態を反映する定量的特徴を抽出することが可能となった。本研究では、欠損歯と歯槽骨吸収を捉えるAI算出パノラマX線スコアが、いくつかの主要な全身疾患と独立して相関するかを検討し、統合医療を支える新たなバイオマーカーとなり得るかを探索した。
研究デザイン
本後ろ向き横断研究では、2施設から収集された26,550枚のパノラマX線画像を解析した。AIモデルは個々の歯および歯科インプラントを検出し、歯槽骨吸収の重症度を定量化した。これらの指標から、欠損歯数と歯槽骨吸収の重み付け重症度を組み込んだ0～100点のX線スコアを算出した。本研究では、このスコアと、糖尿病、高血圧症、骨粗鬆症、虚血性心疾患、脂質異常症の5疾患の臨床診断との関連を評価した。
解析には、疾患有無別のスコアの群間比較、スコア五分位の上昇に伴う有病率傾向の解析、ならびに交絡因子（年齢、性別、BMI）で調整した多変量ロジスティック回帰モデルを用いた。AIスコアが人口統計学的共変量のみの場合を上回ってどの程度診断識別能を高めるかについては、ROC曲線下面積（area under the receiver operating characteristic curve, AUC）の変化量（ΔAUC）およびDeLong検定により評価した。
主要結果
対照群と比較して、各全身疾患を有する患者ではパノラマスコアが有意に低く、口腔健康状態の不良が示された（すべてP<0.001）。調整後の差が最も大きかったのは糖尿病であった（β係数 = -6.25）。スコアが高くなるにつれて、5疾患すべてで有病率は一貫して低下し、Cochran-Armitage検定で有意な傾向が認められた（P<0.001）。
最低五分位と最高五分位を比較した疾患の相対リスクは、虚血性心疾患で最も高かった（4.73）。年齢、性別、BMIで調整後も、AI算出パノラマスコアは対象としたすべての疾患と独立して関連しており、AUCは0.74～0.80の範囲を示した。これは中等度の識別能を示すものである。
特筆すべき点として、このスコアは糖尿病、高血圧症、脂質異常症において、人口統計学的因子のみを用いた場合を有意に上回って識別能を改善した（ΔAUC = 0.0015～0.0154、DeLong P<0.0188）。一方、虚血性心疾患および骨粗鬆症では、追加的な識別能は統計学的に有意ではなかった。
専門家コメント
本研究は、日常的な歯科X線画像をAIで解析することで、全身疾患に関連する定量的指標を提供できる可能性を示している。パノラマスコアと全身疾患有病率との逆相関は、口腔衛生不良、特に歯槽骨吸収や歯の喪失が、慢性炎症や共通のリスク因子を介して糖尿病や心血管疾患と関連するという既存の知見と整合する。
中等度の予測性能に加え、代謝性疾患に対して有意な追加的価値を示したことから、このパノラマスコアは補助的なスクリーニングツール、あるいはリスク層別化ツールとして有用である可能性がある。ただし、横断研究デザインであるため因果関係の推論には限界がある。さらに、対象集団が病院受診者であることから、一般化可能性はやや低下する可能性がある。今後、前向き縦断研究により、このようなAI算出の口腔健康指標を臨床実践に組み込むことで、全身疾患の早期発見や管理が改善するかを明らかにする必要がある。
また、歯周組織の炎症や骨吸収がどのように全身の病態生理を進展させるのかについての機序的理解を深める研究も、これらの関連の生物学的妥当性を強化するうえで重要である。
結論
口腔健康状態を反映するAI生成パノラマX線スコアは、5つの主要な全身疾患と独立した関連を示し、とりわけ虚血性心疾患および糖尿病との関連が強かった。この非侵襲的で自動化された画像ベース指標は、歯科医療と内科医療の接点を橋渡しする有望なトランスレーショナルツールであり、複数の併存疾患を有する患者の統合的管理に役立つ可能性がある。
今後の研究では、前向き検証、精度向上に向けたAIモデルの洗練、ならびに多様な集団におけるパノラマX線由来の全身疾患リスク評価の臨床的有用性と費用対効果を検証する実装研究に重点を置くべきである。
資金提供およびClinicalTrials.gov
原著論文では、特定の資金提供源または臨床試験登録情報は報告されていない。
参考文献
1. 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. Journal of Clinical Periodontology. 2017 May;44(5):456-462.
2. Chapple IL, Genco R. Diabetes and periodontal diseases: Consensus report of the joint EFP/AAP Workshop on Periodontitis and Systemic Diseases. J Periodontol. 2013 Apr;84(4-s):S106-12.
3. Preshaw PM, Alba AL, Herrera D, Jepsen S, Konstantinidis A, Makrilakis K, Taylor R. Periodontitis and diabetes: a two-way relationship. Diabetologia. 2012 Jan;55(1):21-31.
4. Tonetti MS, Van Dyke TE. Periodontitis and atherosclerotic cardiovascular disease: Consensus report of the joint EFP/AAP Workshop on Periodontitis and Systemic Diseases. J Periodontol. 2013 Apr;84(4-s):S24-S29.
5. Kinane DF, Stathopoulou PG, Papapanou PN. Periodontal diseases. Nat Rev Dis Primers. 2017 Jun 29;3:17038.
6. DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics. 1988 Sep;44(3):837-45.
7. Lee JH, et al. Artificial intelligence in dental imaging: Assessment and future perspectives. Imaging Sci Dent. 2020 Sep;50(3):169-177.
8. Wu T, et al. Associations between oral health status and systemic conditions: A systematic review. Int J Environ Res Public Health. 2020;17(1):139.
9. The original study citation: Kahm SH, Ko DY, Choi JS, Lee JH, Cho SH, Lee SY. AI-derived panoramic score and its association with major systemic diseases: A retrospective cross-sectional study. Journal of dentistry. 2026-10-17:107104. PMID:42892360.
