ШТУЧНИЙ ІНТЕЛЕКТ ЯК ІНСТРУМЕНТ ПІДТРИМКИ ВИБОРУ МАТЕРІАЛІВ В ОРТОПЕДИЧНІЙ СТОМАТОЛОГІЇ: АНАЛІТИЧНИЙ ОГЛЯД ЛІТЕРАТУРИ

Автор(и)

  • Тетяна Ігорівна Дзецюх Тернопільський національний медичний університет імені І.Я. Горбачевського МОЗ України https://orcid.org/0000-0001-7163-1844

DOI:

https://doi.org/10.32782/2786-7684/2026-3-7

Ключові слова:

штучний інтелект, ортопедична стоматологія, стоматологічні матеріали, машинне навчання, CAD/CAM, підтримка клінічних рішень, зубні коронки, персоналізоване ортопедичне лікування

Анотація

Актуальність. Стрімкий розвиток цифрової стоматології та штучного інтелекту (ШІ) розширює спектр технологій, доступних для діагностики, планування лікування, проєктування ортопедичних конструкцій та прогнозування результатів. Вибір матеріалу залишається важливим компонентом ортопедичного лікування, оскільки вибір ортопедичного матеріалу має враховувати механічні, функціональні, біологічні та естетичні вимоги. Мета. Проаналізувати сучасну літературу щодо застосування ШІ в ортопедичній стоматології, з особливою увагою до його потенційної ролі у підтримці вибору ортопедичних матеріалів, інтеграції клінічних і цифрових параметрів, прогнозуванні результатів ортопедичного лікування та персоналізації планування лікування. Матеріали та методи. Проведено наративний аналітичний огляд літератури, опублікованої протягом семи завершених календарних років (січень 2019 – грудень 2025 рр.). Релевантні публікації були визначені в PubMed/MEDLINE, Scopus, Web of Science та ресурсах NCBI з використанням комбінацій термінів, пов’язаних зі штучним інтелектом, машинним навчанням, ортопедичною стоматологією, стоматологічними матеріалами, CAD/CAM, коронками, ортопедичними конструкціями, оклюзією та результатами лікування. Публікації тематично аналізували за напрямом застосування ШІ, типом ортопедичної задачі, джерелом даних, клінічною метою, отриманими результатами та обмеженнями. Результати. Проаналізована література демонструє, що ШІ дедалі ширше застосовується в діагностиці в ортопедичній стоматології, плануванні лікування, автоматизованому проєктуванні коронок, визначенні лінії препарування, оцінюванні оклюзії, прогнозуванні результатів ортопедичного лікування та цифрових робочих процесах. Системи CAD із підтримкою ШІ продемонстрували потенціал для підвищення ефективності проєктування та, у вибраних дослідженнях, забезпечення клінічно прийнятної точності прилягання коронок. Водночас доказова база залишається неоднорідною через суттєві відмінності в наборах даних, алгоритмах, процедурах валідації та показниках результативності. Прямі докази на користь незалежно валідованих систем ШІ для індивідуалізованого вибору ортопедичних матеріалів залишаються обмеженими. Отже, сучасні дані переважно підтримують використання ШІ як інструменту підтримки клінічних рішень, а не як автономної системи вибору матеріалу. Висновки. ШІ має значний потенціал для підтримки індивідуалізованого вибору матеріалів та планування ортопедичного лікування шляхом інтеграції численних клінічних і цифрових параметрів. Водночас сучасні дані не підтримують розгляд ШІ як автономної заміни професійного клінічного рішення. Пряма валідація систем ШІ, спеціально розроблених для вибору ортопедичних матеріалів, залишається обмеженою, а багато прогностичних моделей потребують ґрунтовнішої зовнішньої валідації та проспективної клінічної оцінки. Отже, найбільш доцільною сучасною моделлю є підхід «людина в контурі» (human-in-the-loop), за якого ШІ доповнює, а не замінює клінічну експертизу.

Посилання

Bernauer SA, Zitzmann NU, Joda T. The use and performance of artificial intelligence in prosthodontics: a systematic review. Sensors (Basel). 2021;21(19):6628. doi:10.3390/s21196628.

Revilla-León M, Gómez-Polo M, Vyas S, et al. Artificial intelligence models for tooth-supported fixed and removable prosthodontics: a systematic review. J Prosthet Dent. 2023;129(2):276–292. doi:10.1016/j.prosdent.2021.06.001.

Al Hendi KD, Alyami MH, Alkahtany M, Dwivedi A, Alsaqour HG. Artificial intelligence in prosthodontics. Bioinformation. 2024;20(3):238–242. doi:10.6026/973206300200238.

Bobeică O, Iorga D. Artificial neural networks development in prosthodontics: a systematic mapping review. J Dent. 2024;151:105385. doi:10.1016/j.jdent.2024.105385.

Aljulayfi IS, Almatrafi AH, Althubaitiy RO, et al. The potential of artificial intelligence in prosthodontics: a comprehensive review. Med Sci Monit. 2024;30:e944310. doi:10.12659/MSM.944310.

Kong HJ, Kim YL. Application of artificial intelligence in dental crown prosthesis: a scoping review. BMC Oral Health. 2024;24:937. doi:10.1186/s12903-024-04657-0.

Choi J, Ahn J, Park JM. Deep learning-based automated detection of the dental crown finish line: an accuracy study. J Prosthet Dent. 2024;132(6):1286.e1–1286.e9. doi:10.1016/j.prosdent.2023.11.018.

Bardideh E, Lal Alizadeh F, Amiri M, Ghorbani M. Designing an artificial intelligence system for dental occlusion classification using intraoral photographs: a comparative analysis between artificial intelligence-based and clinical diagnoses. Am J Orthod Dentofacial Orthop. 2024;166(2):125–137. doi:10.1016/j.ajodo.2024.03.012.

Nagata K, Inoue E, Nakashizu T, et al. Verification of the accuracy and design time of crowns designed with artificial intelligence. J Adv Prosthodont. 2025;17(1):1–10. doi:10.4047/jap.2025.17.1.1.

Win TT, Mai HN, Kim SY, et al. Fit accuracy of complete crowns fabricated by generative artificial intelligence design: a comparative clinical study. J Adv Prosthodont. 2025;17(4):224–234. doi:10.4047/jap.2025.17.4.224.

Rokaya D, Jaghsi AA, Jagtap R, Srimaneepong V. Artificial intelligence in dentistry and dental biomaterials. Front Dent Med. 2024;5:1525505. doi:10.3389/fdmed.2024.1525505.

Iosif L, Țâncu AMC, Amza OE, Gheorghe GF, Dimitriu B, Imre M. AI in prosthodontics: a narrative review bridging established knowledge and innovation gaps across regions and emerging frontiers. Prosthesis. 2024;6(6):1281–1299. doi:10.3390/prosthesis6060092.

Vlăduțu DE, Ionescu M, Noveri L, et al. Aspects of dental occlusion assessed with the T-Scan system among a group of Romanian dental students in a cross-sectional study. Int J Environ Res Public Health. 2023;20(6):4877. doi:10.3390/ijerph20064877.

Zhu Y, Du M, Li P, et al. Prediction models for the complication incidence and survival rate of dental implants–a systematic review and critical appraisal. Int J Implant Dent. 2025;11:5. doi:10.1186/s40729-025-00590-1.

Tafuri G, Xhajanka E, Hysenaj N, Sinjari B. Mechanical and biocompatibility testing of zirconia and lithium disilicate ceramics: an in vitro study. J Prosthet Dent. 2025;133(2):593.e1–593.e8. doi:10.1016/j.prosdent.2024.09.031.

Schwendicke F, Mohammad Rahimi H, Tichy A. Artificial intelligence in prosthodontics. Dent Clin North Am. 2025;69(2):315–326. doi:10.1016/j.cden.2024.11.009.

##submission.downloads##

Опубліковано

2026-10-09

Номер

Розділ

СТОМАТОЛОГІЯ