Studi AI Ungkap Paparan Polusi Berkaitan dengan Risiko Gigi Berlubang

Gigisehat - Risiko gigi berlubang atau karies selama ini identik dengan konsumsi gula dan kebiasaan menyikat gigi. Namun, penelitian terbaru dari University of Pennsylvania mengungkap, paparan polusi lingkungan juga dapat menjadi faktor yang berperan terhadap munculnya karies.

Dengan memanfaatkan kecerdasan buatan (Artificial Intelligence/AI) untuk menganalisis data kesehatan berskala nasional di Amerika Serikat, para peneliti menemukan pola-pola baru yang selama ini belum banyak diketahui mengenai penyebab risiko gigi berlubang.

Penelitian dipublikasikan di Journal of Dental Research pada Desember 2025, menganalisis data National Health and Nutrition Examination Survey (NHANES) menggunakan metode machine learning.

Hasilnya menunjukkan adanya hubungan antara karies gigi dengan paparan polutan lingkungan, indikator gizi, penanda kesehatan tubuh, jenis makanan, hingga pola tidur.

Temuan itu terutama terlihat pada dua kelompok usia paling rentan, yaitu anak di bawah lima tahun dan orang dewasa berusia 65 tahun ke atas.

Riset ini dipimpin Profesor Ortodonti Hyun (Michel) Koo bersama profesor Biostatistik dan Epidemiologi Jason Moore dari University of Pennsylvania.

"Pipeline machine learning seperti ini dapat mengubah data kesehatan nasional yang sangat kompleks menjadi hipotesis lebih jelas dan model prediksi lebih baik. Pendekatan ini dimulai dari kesehatan mulut, tetapi berpotensi diperluas ke berbagai bidang kedokteran lainnya," ujar Koo dalam keterangan resmi Penn Dental Medicine.

AI Bantu Membaca Data Kesehatan

Penelitian memanfaatkan data NHANES yang dikelola Centers for Disease Control and Prevention (CDC). Survei telah mengumpulkan data kesehatan dan gizi masyarakat Amerika Serikat setiap dua tahun sejak 1999 melalui wawancara, pemeriksaan fisik, dan pengujian laboratorium.

Meski menjadi salah satu basis data kesehatan terbesar di dunia, ukuran data yang sangat besar dan strukturnya tidak seragam menjadikan analisis lanjutan menjadi cukup rumit.

Untuk mengatasi tantangan itu, tim peneliti mengembangkan sistem pembersihan data (data-cleaning pipeline), memadukan algoritma baru untuk mendeteksi data ekstrem (outlier) dengan metode machine learning tanpa supervisi (unsupervised learning).

Pendekatan itu memungkinkan para peneliti mengidentifikasi berbagai subtipe karies serta perbedaan karakteristik berdasarkan kelompok usia.

Anak Kecil dan Lansia Jadi Kelompok Berisiko Tinggi

Analisis menunjukkan pola karies paling kuat ditemukan pada anak usia dini dan kelompok lanjut usia.

Pada anak-anak, risiko juga berkaitan dengan kekurangan zat besi dan vitamin D.

"Hasil penelitian kami menunjukkan pentingnya strategi pencegahan dan prediksi yang disesuaikan dengan usia, terutama bagi anak-anak kecil dan lansia. Pendekatan tersebut perlu mempertimbangkan pola makan sehari-hari, hasil pemeriksaan laboratorium, serta konteks risiko lingkungan," kata Koo.

Paparan Timbal dan Polutan Lain Ikut Berperan

Penelitian juga menemukan individu dengan karies memiliki kadar timbal dalam darah yang lebih tinggi.

Temuan ini sejalan dengan penelitian sebelumnya. Namun, para peneliti juga menemukan peningkatan kadar zat lain seperti kadmium dan kotinin, yaitu penanda paparan asap rokok.

Hasil itu menunjukkan paparan timbal kemungkinan bukan satu-satunya penyebab, melainkan bagian dari risiko lingkungan lebih luas yang dapat memengaruhi kesehatan gigi.

Pemimpin redaksi Journal of Dental Research, Nick Jakubovics, menilai hasil penelitian ini membuka peluang untuk mengembangkan strategi pencegahan karies lebih spesifik sesuai karakteristik setiap kelompok masyarakat.

"Tantangan berikutnya adalah memanfaatkan informasi ini untuk menemukan metode yang lebih efektif dalam mencegah karies pada berbagai kelompok masyarakat," katanya.

Meski demikian, para peneliti menegaskan studi ini masih terbatas pada data NHANES periode 2017–2018. Mereka menyebut penelitian lanjutan yang mencakup beberapa periode survei masih diperlukan untuk mengetahui apakah pola tersebut konsisten dari waktu ke waktu.(oralhealth)