Еремин Олег Вячеславович, доктор медицинских наук, доцент, заведующий кафедрой пропедевтики стоматологических заболеваний
Саратов
Oleg V. Eremin, MD, PhD, DSc, Associate Professor, Head of the Department of Preclinical Dentistry
Saratov
Островская Лариса Юрьевна, доктор медицинских наук, профессор, заведующая кафедрой стоматологии терапевтической
Саратов
Larisa Yu. Ostrovskaya, MD, PhD, DSc, Professor, Head of the Department of Operative Dentistry
Saratov
Захарова Наталья Борисовна, доктор медицинских наук, профессор кафедры клинической лабораторной диагностики Института дополнительного профессионального образования
Саратов
Natalya B. Zakharova, MD, PhD, DSc, Professor, Department of Clinical Laboratory Diagnostics, Institute of Continuous Medical education
Saratov
Катханова Лилия Султановна, аспирант кафедры пропедевтики стоматологических заболеваний
Саратов
Lilia S. Katkhanova, DMD, PhD student, Department of the Preclinical Dentistry
Saratov
Моргунова Виктория Михайловна, кандидат медицинских наук, доцент кафедры стоматологии терапевтической
Саратов
Victoria M. Morgunova, DMD, PhD, Associate Professor, Department of the Department of OperativeDentistry
Saratov
Кобзева Юлия Александровна, кандидат медицинских наук, доцент кафедры пропедевтики стоматологических заболеваний
Саратов
Julia A. Kobzeva, DMD, PhD, Associate Professor, Department of the Preclinical Вentistry
Saratov
Барулина Марина Александровна, доктор физико-математических наук, директор физико-математического института
Пермь
Marina A. Barulina, PhD, DSc, Dean of the Faculty of Mechanics and Mathematics
Perm
Цитронов Виталий Алексеевич, магистр 2 курса
Пермь
Vitaly A. Tsitronov, undergraduate student, Faculty of Mechanics and Mathematics
Perm
Доменюк Дмитрий Анатольевич, доктор медицинских наук, профессор кафедры стоматологии общей практики и детской стоматологии
Ставрополь
Dmitry A. Domenyuk, DMD, PhD, DSc, Professor, Department of General Practice Dentistry and Pediatric Dentistry
Stavropol
Актуальность. Диагностика заболеваний пародонта с учетом тяжести заболевания, его распространенности, прогрессии и системы стадирования, возможны с помощью определения уровня биомаркеров или биомаркеров молекулярной визуализации в таких биосредах, как кревикулярная или сулькулярная жидкость (GCF или GSF), слюна, ротовая жидкость. GCF в настоящее время отнесена к одной из диагностически значимых биологических жидкостей для оценки состояния пародонтальных тканей не только в условиях клинико-диагностических лабораторий, но и в стоматологических кабинетах. Внедрение чувствительных, высокоточных, неинвазивных, специфичных методов экспресс-диагностики GCF, базирующихся на качественном анализе биомаркеров цитокинового дисбаланса, иммунологических расстройств, изменения факторов неспецифической защиты и биофизических показателей, позволит объективно оценить состояние пародонтальных тканей.
Цель. Повышение эффективности профилактики пародонтита с помощью разработанной математической модели для персонализированного прогнозирования течения воспалительных заболеваний пародонта на основе исследованных биомаркеров в GSF.
Материал и методы. В исследование включен 101 пациент: I группа представлена 22 больными с диагнозом К 05.10 (гингивит), II группа – 31 пациентом с диагнозом К 05.31 (пародонтит легкой степени тяжести), III группа – 18 пациентами с диагнозом К 05.31 (пародонтит средней степени тяжести). Группа сравнения состояла из 30 обследованных с клинически здоровым пародонтом. У всех обследованных проведены клинико-инструментальное исследование, определение пародонтальных индексов, забор GCF, количественное исследование в ней уровня иммунорегуляторных медиаторов (IL-1β, IL-6, TNF-α, IL-8, МСР-1, IL-17, VEGF, IL-1RA).
Результаты. Исследование иммунорегуляторных медиаторов подтвердили значение нарастания уровня про- и противовоспалительных цитокинов/хемокинов, а также снижения противовоспалительного биомаркера IL-1RA в GCF на начальных этапах активации воспалительных изменений в пародонтальных тканях и появление признаков разрушения зубодесневого соединения. С помощью логистической регрессии и обучения мультиклассового классификатора на основе метода опорных векторов построена модель для прогноза риска потери зубодесневого соединения у пациентов и формирования пародонтита.
Заключение. Результаты логистического регрессионного моделирования и обучения мультиклассового классификатора на основе метода опорных векторов демонстрируют, что в диагностике начальных стадий повреждения пародонтальных тканей с утратой зубодесневого соединения (ЗДС) наиболее эффективен комплексный подход использования биомаркеров воспалительных процессов и разработка мультимаркерных алгоритмов на основе программы ЭВМ.
Relevance. The diagnosis of periodontal diseases, considering their severity, prevalence, progression, and staging, can be achieved by determining the levels of biomarkers or molecular imaging biomarkers in biofluids such as crevicular or sulcular fluid (GCF or GSF), saliva, and oral fluid. GCF is currently regarded as one of the diagnostically significant biological fluids for assessing the condition of periodontal tissues, not only in clinical diagnostic laboratories but also in dental offices. The implementation of sensitive, highly accurate, non-invasive, and specific methods for rapid GCF diagnosis, based on the qualitative analysis of biomarkers of cytokine imbalance, immunological disorders, changes in non-specific defence factors, and biophysical indicators, will allow for an objective assessment of the condition of periodontal tissues.
Purpose. To improve the efficiency of periodontitis prevention using a developed mathematical model for personalized prediction of the course of inflammatory periodontal diseases based on the investigated biomarkers in GCF.
Material and methods. The study included 101 patients: Group I consisted of 22 patients diagnosed with K05.10 (gingivitis), Group II included 31 patients diagnosed with K05.31 (mild periodontitis), and Group III comprised 18 patients diagnosed with K05.31 (moderate periodontitis). The comparison group consisted of 30 individuals with clinically healthy periodontium. All subjects underwent clinical and instrumental examination, determination of periodontal indices, GCF collection, and quantitative analysis of immune regulatory mediators (IL-1β, IL-6, TNF-α, IL-8, MCP-1, IL-17, VEGF, IL-1RA).
Results. The study of immune regulatory mediators confirmed the significance of increased levels of pro- and anti-inflammatory cytokines/chemokines, as well as the reduction of the anti-inflammatory biomarker IL-1RA in GCF at the early stages of inflammatory changes in periodontal tissues. This is accompanied by the appearance of signs indicating the destruction of the dentogingival junction. Using logistic regression and training a multiclass classifier based on the support vector machine method, a model was developed to predict the risk of dentogingival junction loss in patients, potentially leading to periodontitis.
Conclusion. The results of logistic regression modelling and training a multiclass classifier based on the support vector machine method demonstrate that in diagnosing the initial stages of periodontal tissue damage with the loss of the dentogingival junction (DGJ), the most effective approach is the comprehensive use of inflammatory process biomarkers and the development of multi-marker algorithms based on a computer program.
The authors declare that there are no conflicts of interest present.