Internationalt forskningsnyt:

Kunstig intelligens afslører risikofaktorer ved peri-implantitis

Ny undersøgelse viser, at kunstig intelligens kan afsløre risikoen for et dårligt behandlingsresultatet for patienter med peri-implantitis. Læs dansk eksperts vurdering af undersøgelsen.

Røntgen implantat

Mindst hvert fjerde implantat, der indsættes, vil udvikle peri-implantitis. Selvom denne tilstand overfladisk set kan minde om parodontitis, er den langt sværere at behandle med et forudsigeligt resultat, bl.a. fordi vi ikke har tilstrækkelig indsigt i de mikrobiologiske og immunologiske forhold omkring implantaterne. Dette har en tværfaglig forskergruppe fra Ann Arbor (Michigan, USA) nu rådet bod på med en opsigtsvækkende undersøgelse.

24 voksne patienter med peri-implantitis blev underkastet en grundig behandling, der bl.a. indebar lapoperation med indlæg af knoglemateriale og membran. Det fjernede granulationsvæv blev nedfrosset og senere undersøgt for forekomst af 10 forskellige leukocyt-typer samt en lang række inflammationsmolekyler.

Der blev indsamlet bakterieprøver fra den peri-implantære poche efter to og fire uger samt efter tre og seks måneder. Der blev desuden foretaget pochemåling efter tre og seks måneder. Bakterie- og vævsprøver blev analyseret ved hjælp af RNA-sekventering.

Ved hjælp af maskinel indlæring (en form for kunstig intelligens) kunne man ud fra de inflammatoriske data identificere patienter med lav henholdsvis høj risiko for et dårligt behandlingsresultat.

Patienter med lav risiko havde en karakteristisk fordeling af de to makrofagtyper M1 og M2 og færre B-lymfocytter i granulationsvævet. Desuden havde de bedre komplementaktivering og højere forekomst af cytokinerne Th1 og Th17, og i modsætning til patienter i højrisikogruppen kunne de effektivt forhindre rekolonisering med bakterier fra det røde og orange kompleks.

Kommentar

Forskningsområdeleder, lektor, ph.d. Christian Damgaard, Odontologisk Institut, Københavns Universitet:

– Forfatterne søger vha. moderne molekylærbiologiske metoder og datamodeller til maskinel indlæring at bestemme, hvilke immunologiske og mikrobielle forhold ved peri-implantitis der kan forudsige det kliniske udfald af regenerativ parodontalkirurgisk behandling.

Studiet inkluderer 24 forsøgsdeltagere med mindst et implantat diagnosticeret med peri-implantitis, dvs. poche over 5 mm med blødning. Implantaterne havde alle intraossøse knogledefekter, der berettigede til den udførte regenerative parodontalkirurgiske behandling. Studiets protokol inkluderede en afvigelse fra gældende retningslinjer, idet alle forsøgsdeltagerne fik ordineret 500 mg amoxicillin 3 x dagligt i 7 dage postoperativt.

Studiets data viser, at det inflammatoriske respons omkring implantatet er styrende for den bakterielle sammensætning lokalt, samt at det immunologiske landskab i granulationsvævet også er prædikterende for prognosen af den udførte regenerative parodontalkirurgiske behandling.

I en klinisk kontekst er det en ulempe, at resultaterne baserer sig på analyser af granulationsvæv, fordi resultaterne derved ikke bibringer patienterne viden om udfaldet af den valgte behandling, før efter behandlingen alligevel er udført.

Kilder

Lorusso F, Conte R, Inchingolo F et al. Survival rate of zygomatic implants for fixed oral maxillary rehabilitations: a systematic review and meta-analysis comparing outcomes between zygomatic and regular implants. Dent J 2021;9:38. https://doi.org/10.3390/dj9040038  

Wang C-W, Hao Y, Di Gianfilippo R et al. Machine learning-assisted immune profiling stratifies peri-implantitis patients with unique microbial colonization and clinical outcomes. Theranostics 2021; 11: 6703-16.