기계적 TMJ 장애의 핵심 특징들로서 (= 0.003) ). 동시발생 네트워크 분석을 통해 좌우(측) 특이적 군집화와 양측 TMJ 사이의 잠재적 시차(progress) 양상이 밝혀졌다. 이러한 결과는 영상 촬영이 필요 없이 구조화된 임상 데이터만으로 이질적인 TMD 하위군을 분류하기 위해 딥러닝을 활용하는 것이 가능함을 보여준다. GATT 모델은 임상의가 보조하는 진단을 지원하고 실제 임상에서 TMD 관리의 변동성을 감소시키는 데 유용한 정확하고 설명 가능한 동시에 확장 가능한 도구를 제공한다. 이러한 결과는 GATT와 같은 AI 기반 도구를 표준화되고 효율적이며 환자-특이적인 TMD 진단을 위해 임상 워크플로에 통합하는 것을 지지한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.