Искусственный интеллект в эндодонтии: текущие достижения и перспективы будущего. Обзор литературы
https://doi.org/10.36377/ET-0063
Аннотация
ВВЕДЕНИЕ. В статье рассматриваются современные достижения и перспективы использования искусственного интеллекта (ИИ) в эндодонтии, с акцентом на его влияние на диагностику, планирование лечения, контроль качества, прогнозирование исходов, телемедицину и образовательные процессы. Введение посвящено роли ИИ в изменении подходов к эндодонтической практике, где точность, стандартизация и персонализированный подход становятся ключевыми аспектами.
ЦЕЛЬ ИССЛЕДОВАНИЯ: систематизация и анализ текущего состояния применения ИИ в эндодонтии, а также в определении направлений для дальнейших исследований и практического внедрения технологий.
МАТЕРИАЛЫ И МЕТОДЫ включают комплексный обзор литературы на основе ведущих баз данных, таких как PubMed, Scopus и Web of Science, охватывающий последние пять лет. Проведен критический анализ публикаций, оценивающих эффективность ИИ в клинической практике и образовательных программах.
ВЫВОДЫ подчеркивают значимость ИИ как мощного инструмента, способного улучшить диагностику, планирование лечения и контроль качества, а также расширить возможности телемедицины и обучения стоматологов. Несмотря на его преимущества, остаются вызовы, такие как высокая стоимость внедрения, защита данных, недостаток стандартизации и необходимости нормативного регулирования, что требует дальнейших исследований и разработки универсальных решений.
Ключевые слова
искусственный интеллект,
эндодонтия,
диагностика,
планирование лечения,
контроль качества,
телемедицина
Об авторах
А. В. Митронин
Российский университет медицины
Россия
Конфликт интересов:
Россия
Митронин Александр Валентинович – заслуженный врач РФ, д.м.н., профессор, заместитель директора НОИ «Стоматологии им. А.И. Евдокимова»; заведующий кафедрой терапевтической стоматологии и эндодонтии
127006, г. Москва, ул. Долгоруковская, д. 4
Конфликт интересов:
Авторы сообщают об отсутствии конфликта интересов.
Т. А. Абакаров
Дагестанский государственный медицинский университет
Россия
Конфликт интересов:
Россия
Абакаров Тагир Абакарович – к.м.н., доцент, декан стоматологического факультета
367000, Республика Дагестан, г. Махачкала, пл. Ленина, 1
Конфликт интересов:
Авторы сообщают об отсутствии конфликта интересов.
Г. М-А. Будайчиев
Дагестанский государственный медицинский университет
Россия
Конфликт интересов:
Россия
Будайчиев Гасан Магомед-Алиевич – к.м.н., ассистент кафедры терапевтической стоматологии
367000, Республика Дагестан, г. Махачкала, пл. Ленина, 1
Конфликт интересов:
Авторы сообщают об отсутствии конфликта интересов.
Э. Р. Османов
Дагестанский государственный медицинский университет
Россия
Конфликт интересов:
Россия
Османов Эльдар Расимович – студент 5-го курса стоматологического факультета
367000, Республика Дагестан, г. Махачкала, пл. Ленина, 1
Конфликт интересов:
Авторы сообщают об отсутствии конфликта интересов.
Список литературы
1. Agrawal P., Nikhade P. Artificial intelligence in dentistry: Past, present, and future. Cureus. 2022;14(7):e27405. https://doi.org/10.7759/cureus.27405
2. Asgary S. Artificial intelligence in endodontics: A scoping review. Iran Endod J. 2024;19(2):85–98. https://doi.org/10.22037/iej.v19i2.44842
3. Khanagar SB, Alfadley A, Alfouzan K, Awawdeh M, Alaqla A, Jamleh A. Developments and performance of artificial intelligence models designed for application in endodontics: A systematic review. Diagnostics. 2023;13(3):414. https://doi.org/10.3390/diagnostics13030414
4. Asiri AF, Altuwalah AS. The role of neural artificial intelligence for diagnosis and treatment planning in endodontics: A qualitative review. Saudi Dent J. 2022;34(4):270–281. https://doi.org/10.1016/j.sdentj.2022.04.004
5. Thurzo A., Strunga M., Urban R., Surovková J., Afrashtehfar K.I. Impact of artificial intelligence on dental education: a review and guide for curriculum update. Educ Sci. 2023;13(2):150. https://doi.org/10.3390/educsci13020150
6. Asgary S. Emphasizing the impact of artificial intelligence in dentistry: A call for integration and exploration. J Dent Sci. 2023;18(4):1929–1930. https://doi.org/10.1016/j.jds.2023.06.028
7. Chen S.-L., Chen T.-Y., Mao Y.-C., Lin S.-Y., Huang Y.-Y., Chen C.-A. et al. Automated detection system based on convolution neural networks for retained root, endodontic treated teeth, and implant recognition on dental panoramic images. IEEE Sensors Journal. 2022;22(23):23293–23306. https://doi.org/10.1109/JSEN.2022.3211981
8. Lee J.H., Kim D.H., Jeong S.N., Choi S.H. Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm. J Dent. 2018;77:106–111. https://doi.org/10.1016/j.jdent.2018.07.015
9. Duan W., Chen Y., Zhang Q., Lin X., Yang X. Refined tooth and pulp segmentation using U-Net in CBCT image. Dentomaxillofac Radiol. 2021;50(6):20200251. https:// doi.org/10.1259/dmfr.20200251
10. Lahoud P., EzEldeen M., Beznik T., Willems H., Leite A., Van Gerven A., Jacobs R. Artificial intelligence for fast and accurate 3-dimensional tooth segmentation on cone-beam computed tomography. J Endod. 2021;47(5):827–835. https://doi.org/10.1016/j.joen.2020.12.020
11. Wang Y., Xia W., Yan Z., Zhao L., Bian X., Liu C. et al. Root canal treatment planning by automatic tooth and root canal segmentation in dental CBCT with deep multitask feature learning. Med Image Anal. 2023;85:102750. https://doi.org/10.1016/j.media.2023.102750
12. Ghaznavi Bidgoli S.A., Sharifi A., Manthouri M. Automatic diagnosis of dental diseases using convolutional neural network and panoramic radiographic images. Comput Methods Biomech Biomed Eng Imaging Vis. 2021;9(5):447–455. https://doi.org/10.1080/21681163.2020.1847200
13. Tumbelaka B.Y., Oscandar F., Baihaki F.N., Sitam S., Rukmo M. Identification of pulpitis at dental X-ray periapical radiography based on edge detection, texture description and artificial neural networks. Saudi Endod J. 2014;4(3):115–121. https://doi.org/10.4103/1658-5984.138139
14. Vodanović M., Subašić M., Milošević D., Savić Pavičin I. Artificial intelligence in medicine and dentistry. Acta Stomatol Croat. 2023;57(1):70–84. https://doi.org/10.15644/asc57/1/8
15. Mahesh Batra A., Reche A. A new era of dental care: Harnessing Artificial intelligence for better diagnosis and treatment. Cureus. 2023;15(11):e49319. https://doi.org/10.7759/cureus.49319
16. Qu Y., Lin Z., Yang Z., Lin H., Huang X., Gu L. Machine learning models for prognosis prediction in endodontic microsurgery. J Dent. 2022;118:103947. https://doi.org/10.1016/j.jdent.2022.103947
17. Karobari M.I., Adil A.H., Basheer S.N., Murugesan S., Savadamoorthi K.S., Mustafa M. et al. Evaluation of the diagnostic and prognostic accuracy of artificial intelligence in endodontic dentistry: A comprehensive review of literature. Comput Math Methods Med. 2023;2023:7049360. https://doi.org/10.1155/2023/7049360
18. Setzer F.C., Li J., Khan A.A. The use of artificial intelligence in endodontics. J Dent Res. 2024;103(9):853–862. https://doi.org/10.1177/00220345241255593
19. Meghil M.M., Rajpurohit P., Awad M.E., McKee J., Shahoumi L.A., Ghaly M. Artificial intelligence in dentistry. Dent Rev. 2022;2(1):100009. https://doi.org/10.1016/j.dentre.2021.100009
20. Li Y., Ye H., Ye F., Liu Y., Lv L., Zhang P. et al. The current situation and future prospects of simulators in dental education. J Med Internet Res. 2021;23(4):e23635. https://doi.org/10.2196/23635
21. Escobar-Castillejos D., Noguez J., Neri L., Magana A., Benes B. A review of simulators with haptic devices for medical training. J Med Syst. 2016;40(4):104. https://doi.org/10.1007/s10916-016-0459-8
22. Wang D., Li T., Zhang Y., Hou J. Survey on multisensory feedback virtual reality dental training systems. Eur J Dent Educ. 2016;20(4):248–260. https://doi.org/10.1111/eje.12173
23. Quinn F., Keogh P., McDonald A., Hussey D. A study comparing the effectiveness of conventional training and virtual reality simulation in the skills acquisition of junior dental students. Eur J Dent Educ. 2003;7(4):164–169. https://doi.org/10.1034/j.1600-0579.2003.00309.x
24. Batra P., Tagra H., Katyal S. Artificial intelligence in teledentistry. Discoveries. 2022;10(3):153. https://doi.org/10.15190/d.2022.12
25. Panahi O. Teledentistry: Expanding access to oral healthcare. J Dent Sci Res Rev Rep. 2024;6(3):1–3. https://doi.org/10.47363/JDSR/2024(6)176
26. Mohammad-Rahimi H., Sohrabniya F., Ourang S.A., Dianat O., Aminoshariae A., Nagendrababu V. et al. Artificial intelligence in endodontics: Data preparation, clinical applications, ethical considerations, limitations, and future directions. Int Endod J. 2024;57(11):1566–1595. https://doi.org/10.1111/iej.14128
27. Mörch C.M., Atsu S., Cai W., Li X., Madathil S.A., Liu X. et al. Artificial intelligence and ethics in dentistry: A scoping review. J Dent Res. 2021;100(13):1452–1460. https://doi.org/10.1177/00220345211013808
28. Srivastava A., Pradhan S., PradeepRaghav. Artificial intelligence in dentistry: the ethical and regulatory issues. NeuroQuantology. 2022;20(11):6953–6967.
29. Royapuram Parthasarathy P., Patil S.R., Dawasaz A.A., Hamid Baig F.A., Karobari M.I. Unlocking the potential: investigating dental practitioners’ willingness to embrace artificial intelligence in dental practice. Cureus. 2024;16(2):e55107. https://doi.org/10.7759/cureus.55107
30. Yu K.H., Kohane I.S. Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf. 2019;28(3):238–241. https://doi.org/10.1136/bmjqs-2018-008551
Рецензия
Для цитирования:
Митронин А.В., Абакаров Т.А., Будайчиев Г.М., Османов Э.Р. Искусственный интеллект в эндодонтии: текущие достижения и перспективы будущего. Обзор литературы. Эндодонтия Today. 2025;23(1):62-70. https://doi.org/10.36377/ET-0063
For citation:
Mitronin A.V., Abakarov T.A., Budaichiev G.M., Osmanov E.R. Artificial intelligence in endodontics: current achievements and future prospects. A literature review. Endodontics Today. 2025;23(1):62-70. https://doi.org/10.36377/ET-0063
Послать статью по эл. почте 