치주염과 전신질환 간의 연관성에 대해서는 여러 증거가 보고되어 왔다. 치주염의 예방과 조기 진단의 중요성이 강조됨에도 불구하고, 이 질환을 조기에 선별하기 위한 임상적 도구는 여전히 부족한 실정이다. 따라서 본 연구는 설명가능한 인공지능(XAI) 기술을 활용하여 치주염의 조기 선별을 용이하게 하는 것을 목적으로 한다. 이를 위해 다양한 임상적 특성을 분석하고, XAI를 통해 개별화된 위험 평가를 제공한다. 우리는 National Health and Nutrition Examination Survey (NHANES)에서 총 30,465명의 참여자 데이터에 대해 1,012개 변수를 사용하였다. 전처리 후에는 모든 연령대에서 9,632명, 50세 초과 연령대에서 5,601명이 남았으며, 이는 Centers for Disease Control and Prevention/ American Academy of Pediatrics의 사례 정의에 기반하여 치주염의 기회적 선별 및 진단 분석을 위해 최적화된 심층학습 및 기계학습 모델을 훈련하는 데 사용되었다. 인구통계학적, 생활양식, 의학적, 생화학적 요인을 포함한 잠재적 관련 요인을 평가하기 위해 Local interpretable model-agnostic explanations (LIME)를 적용하였다. 심층학습 모델은 기회적 선별 데이터셋에서 0.858 ± 0.011, 진단 데이터셋에서 0.865 ± 0.008의 곡선하면적 값을 보였으며, 기초 모델을 능가하였다. LIME를 사용함으로써 중요한 특성을 도출하고, 각 특성이 개인의 위험에 미치는 결합된 영향 및 해석을 평가하였다. 연령, 성별, 당뇨병 상태, 조직 트랜스글루타미나아제, 흡연 상태와 같은 관련 요인이 다른 특성보다 약 2배 더 중요한 핵심 특성으로 나타났고, 또한 관절염, 수면장애, 고혈압, 콜레스테롤 수치, 과체중 역시 치주염의 기여 요인으로 확인되었다. XAI로 생성된 특성 기여도 순위는 치주염과 관련된 임상적으로 인지된 요인들과 잘 부합하는 통찰을 제공하였다. 이러한 결과는 임상적으로 관련된 요인을 검출하기 위한 심층학습 기반 관련 요인 분석에서 XAI의 유용성과, 의료 검진에서 치주염의 조기 발견 및 예방 전략을 개발하는 데 있어 XAI가 제공하는 보조 가능성을 강조한다.