
طی این پژوهش، معاینه دهانی بین ۱۴۶۷ شرکتکننده در یک برنامه غربالگری، توسط سه دندانپزشک انجام شد. وضعیت هر شخص در مورد ابتلا به سرطان دهان تعریف شد و بررسیهایی پیرامون "دیسپلازی اپیتلیال"(Epithelial dysplasia) و "کارسینوم سلول سنگفرشی"(SCC) برای وضعیت مثبت انجام گرفت. دیسپلازی در آسیبشناسی، به معنای رشد و تقسیم سلولی خارج از حالت متداول است.
وضعیت کسانی که نتیجه غربالگری منفی داشتند، از طریق پرونده الکترونیکی سلامت آنها کنترل شد. اطلاعات مربوط به جمعیتشناسی، عادت، شیوه زندگی و عوامل خطر خانوادگی به دست آمد و سطوح مونوکسید کربن نیز ارزیابی شد.
این پژوهش نشان داد که یادگیری ماشینی، روش موفقی برای پیشبینی خطر سرطان دهان است و ممکن است بتوان از آن برای شناسایی جمعیتهای در معرض خطر و همچنین برای غربالگری سازمانیافته استفاده کرد.
انتهای پیام