153-2012-0258
来源：北京宠物医师大会
研究人员开发了一种人工智能驱动的风险模型，该模型整合了犬种、年龄和临床检查结果，可提供个性化的牙周疾病预测。
Waltham宠物护理科学研究所的研究人员与伦敦女王大学合作，创建了一种新的风险评估模型，旨在改进现有工具，从而更好地预测犬类牙周疾病。该研究成果发表于《兽医学前沿》期刊，旨在将这种预测技术应用于伴侣动物。
Dr. Stephen Makin在一份机构声明中表示:“这项突破不仅仅是一项科学成就，它还可能彻底改变犬类口腔健康。在人工智能的支持下，我们正在从检测转向预测，使兽医和犬主能够提供主动且个性化的口腔护理。这可能会从根本上改变我们犬类伙伴的健康和福祉。”
研究过程
研究人员构建了一个有向无环图（DAG），通过结合文献综述和犬类口腔健康专科兽医的专业知识，来识别与犬类患者牙周疾病相关的风险因素。为了构建DAG，研究人员采用了一种迭代过程，以识别变量之间的方向性潜在因果关系，这些变量包括信号因素（年龄和品种）、预防性干预措施（专业治疗和家庭护理）、诊断指标和临床观察。他们还考虑了时间因素，例如观察到的临床症状出现的时间，以确保变量定义与下游因果路径适当一致。
在构建有向无环图 (DAG) 后，研究人员确定了合适的数据并提取了相关变量。他们使用了来自Banfield宠物医院的电子健康记录（宠物主人在注册时同意匿名保留数据并将其用于研究）以及NomNomNow注册的宠物主人处收集的客户问卷。
该研究构建了一个包含19个节点、45条边和101个状态的网络，需要33231个条件概率。这些节点代表四个类别：临床症状、口腔卫生习惯、疾病诊断关系和宠物属性。通过与观察数据的验证，研究人员发现了另外两个关系：年龄会影响口腔卫生和临床症状。验证结果还表明，良好的口腔卫生习惯会增加生物膜存在的可能性，但由于临床上的不合理性以及可用口腔卫生数据的稀疏性，这一结论被否定。
随后，DAG被参数化为一个完全运行的贝叶斯网络，这是一种人工智能模型，能够分析多个风险因素之间复杂的相互关系。该模型利用了超过900万只犬的电子健康记录、人口统计数据、犬主报告的调查问卷以及兽医牙科专家的结构化输入。最终构建的网络包含19个相互连接的节点，每个节点既可以作为输入也可以作为输出，这使得模型能够生成个性化的风险预测，并根据观察到的临床表现推断可能的潜在因素。
该模型在多个独立数据集上进行了测试，在四个验证队列中的三个队列中均表现出一致的性能。在性能相对较弱的前瞻性研究数据集中，大多数误分类病例涉及同时患有牙龈炎、品种信息缺失或已知高风险品种特征的病例，这表明错误反映的是病例的复杂性，而不是模型底层结构的缺陷。
研究结果
年龄是一个强有力且稳定的预测因子，牙周炎的发生概率从幼犬的接近于零上升到13岁时的约47%。小型犬和短头犬的风险较高，但该模型也强调了一些重要的细微差别：表面上的品种发病率会受到品种群体内年龄分布的显著影响，这凸显了在未考虑混杂因素的情况下，将群体层面的统计数据应用于个体患者的风险。
与无牙龈炎相比，牙龈炎的存在使牙周炎的发生概率增加了300多倍。除了牙齿结构不良和可见的生物膜积聚外，牙龈炎还被认为是一种潜在的有价值的早期生物标志物——在常规的清醒状态下检查中很容易评估，并且在适当的指导下，即使是细心的犬主也可以在家中进行评估。作者认为，这些因素不仅是诊断指标，也是在发生不可逆的牙周附着丧失之前进行干预的可行目标。
本文来源|dvm360发布于2026年4月30日
