هوش مصنوعی در دندانپزشکی

کاربرد هوش مصنوعی در پزشکی

کاربرد هوش مصنوعی در پزشکی دامنه‌ ی زیادی را در بر می‌گیرد و این سفر تازه آغاز شده است. همان ‌طور که ما به دیجیتالی کردن داده ‌های پزشکی می ‌پردازیم، پتانسیل هوش مصنوعی بیشتر شکوفا می ‌شود. این تکامل پزشکان را برای تصمیم‌ گیری دقیق و مقرون ‌به ‌صرفه در فرآیند های تحلیلی پیچیده مجهز می‌ کند و روند تشخیص و درمان بسیار سریع و مقرون ‌به‌ صرفه خواهد شد. اگر چه پیشرفت آن در حال حاضر به ‌صورت محدود و اندک است؛ اما در آینده نه چندان دور می ‌توان گفت که هوش مصنوعی جزء ارکان اصلی  علوم محسوب می ‌شود.

هوش مصنوعی در دندان پزشکی

هوش مصنوعی با قابلیت‌ هایی چون تشخیص دقیق ‌تر بیماری‌ های دهان و دندان، بهینه‌ سازی درمان‌ها و حتی پیش‌ بینی مشکلات دندانی قبل از بروز، در حال تغییر چهره دندانپزشکی است. با استفاده از داده‌ های بزرگ و الگوریتم‌های پیچیده، AI می‌ تواند کمک کند تا تشخیص‌ ها دقیق‌تر و درمان‌ ها موثر‌تر شوند. اما، آیا این به معنای از دور خارج شدن نقش انسان در این حرفه است؟

در حالی که هوش مصنوعی قابلیت‌های فراوانی را ارائه می‌دهد، اما نقش دندانپزشکان همچنان حیاتی است. تعامل انسانی، درک نیازهای فردی بیماران و مهارت‌های حرفه‌ای که فراتر از توانایی‌های فعلی AI است، همچنان جزء لاینفک این حرفه باقی می‌ماند. هوش مصنوعی بیشتر به عنوان یک ابزار کمکی عمل می‌کند تا به عنوان جایگزین کامل دندانپزشکان.

هوش مصنوعی تحولی بزرگ یا تهدیدی جدی؟

هوش مصنوعی در دندان پزشکی، مانند هر پیشرفت فناوری دیگری هم تحول‌آفرین است و هم ممکن است به عنوان یک تهدید در نظر گرفته شود. این تکنولوژی، با قابلیت‌های خود در تشخیص، تجزیه و تحلیل و ارائه راهکارهای درمانی، پتانسیل تغییر چشمگیری در این حوزه دارد.

از یک سو، هوش مصنوعی در دندانپزشکی می‌تواند به تحول بزرگی منجر شود. با استفاده از الگوریتم‌های پیشرفته، AI قادر است تصاویر رادیوگرافی را با دقت بالایی تحلیل کند، از این رو می‌تواند در تشخیص زودهنگام بیماری‌های دهان و دندان بسیار موثر باشد. همچنین، با بهره‌گیری از داده‌های بزرگ و تجربیات گسترده، AI می‌تواند در ارائه راهکارهای درمانی سفارشی و دقیق به دندانپزشکان کمک کند.

هوش مصنوعی جایگزین دندانپزشکی

از سوی دیگر، استفاده از هوش مصنوعی در دندانپزشکی می‌تواند به عنوان یک تهدید نیز در نظر گرفته شود. این نگرانی‌ها عمدتاً حول محور از دست دادن شغل‌های انسانی، اعتماد بیش از حد به فناوری بدون نظارت انسانی مناسب و مسائل مرتبط با حریم خصوصی و امنیت داده‌ها می‌چرخد. علاوه بر این، تفاوت‌های فردی در بیماران و پیچیدگی‌های بالینی که ممکن است هوش مصنوعی نتواند به خوبی تفسیر کند، از دیگر دغدغه‌ها است.

هوش مصنوعی قرار نیست جایگزین دندانپزشکان شود، بلکه به عنوان ابزاری قدرتمند در کنار متخصصان قرار می‌گیرد تا به بهبود دقت تشخیص، برنامه‌ریزی درمان، ساخت پروتزهای سفارشی و افزایش کارایی کلینیک کمک کند. هوش مصنوعی به دندانپزشکان در تجزیه و تحلیل تصاویر رادیولوژی، شناسایی زودهنگام بیماری‌ها، برنامه‌ریزی دقیق جراحی‌های ایمپلنت و ارتودنسی، و همچنین خودکارسازی وظایف اداری کمک می‌کند.

هوش مصنوعی چگونه می تواند به تشخیص و درمان بیماری های دهان و دندان کمک کند؟

هوش مصنوعی (AI) به عنوان یک نیروی محرکه در پیشرفت‌های پزشکی، به طور فزاینده‌ای در حال تحول دندانپزشکی است. این فناوری پیشرفته با قدرت تجزیه و تحلیل داده‌ها و یادگیری ماشین، پتانسیل انقلابی در تشخیص و درمان بیماری‌های دهان و دندان دارد.

هوش مصنوعی با تحلیل دقیق تصاویر رادیوگرافی و دیگر داده‌های تصویری، به تشخیص دقیق‌تر بیماری‌های دهان و دندان کمک کند. الگوریتم‌های آن قادر هستند نشانه‌های زودهنگام بیماری‌هایی مانند پوسیدگی‌های دندانی، بیماری‌های لثه و سایر مشکلات دهانی را شناسایی کنند.

با تجزیه و تحلیل داده‌های بیمار، هوش مصنوعی به توسعه برنامه‌های درمانی سفارشی کمک می کند. این سیستم‌ها با ارزیابی وضعیت فعلی دهان و دندان بیمار، می‌توانند راهکارهای درمانی بهینه‌ای پیشنهاد دهند.

همچنین در ارائه آموزش‌های بهداشت دهان و دندان به بیماران و راهنمایی‌های مربوط به مراقبت‌های پس از درمان نیز می تواند مفید باشد. با استفاده از آن، تجربه مراجعه به دندانپزشک می‌تواند کارآمدتر و راحت‌تر شود. از مدیریت نوبت‌دهی گرفته تا داده‌های پیشرفته برای درمان‌های سریع‌تر و دقیق‌تر، همه و همه می‌توانند به بهبود تجربه بیمار کمک کنند.

در نهایت، هوش مصنوعی در دندان پزشکی نه تنها به افزایش دقت تشخیص و کارایی درمان‌ها کمک می‌کند، بلکه به بهبود کیفیت زندگی بیماران از طریق پیشگیری و مدیریت بهتر بیماری‌های دهان و دندان نیز می‌انجامد.

کاربردهای هوش مصنوعی در دندان پزشکی

هوش مصنوعی در دندانپزشکی، مانند سایر حوزه‌های پزشکی، در حال ایجاد تغییرات مهمی است. این فناوری پیشرفته کاربردهای متعددی دارد که می‌تواند به طور چشمگیری کیفیت مراقبت‌های دندانی را افزایش دهد.

هوش مصنوعی می‌تواند در تشخیص بیماری‌های دهان و دندان، از جمله پوسیدگی‌های دندانی و بیماری‌های لثه، بسیار موثر باشد. با استفاده از الگوریتم‌های تجزیه و تحلیل تصویر، AI قادر است نشانه‌های زودرس بیماری‌ها را شناسایی کند که ممکن است توسط چشم انسان نادیده گرفته شود.

همچنین در توسعه برنامه‌های درمانی سفارشی کمک می کند و با تجزیه و تحلیل داده‌های بیمار، این فناوری می‌تواند راهکارهای درمانی را پیشنهاد دهد که بهترین نتیجه را برای بیمار فراهم می‌کند.

هوش مصنوعی قادر است تحلیل‌های پیچیده‌ای را انجام دهد که به پیش‌بینی ریسک بیماری‌های دهان و دندان در آینده کمک می‌کند. این امر به دندانپزشکان امکان می‌دهد تا اقدامات پیشگیرانه را قبل از پیشرفت بیماری اتخاذ کنند.

در مجموع، کاربرد هوش مصنوعی در دندانپزشکی فرصت‌های جدیدی را برای ارتقاء کیفیت مراقبت‌ها، افزایش دقت تشخیص‌ها و بهینه‌سازی روندهای درمانی فراهم می‌کند، که این امر می‌تواند به بهبود سلامت دهان و دندان بیماران کمک کند. در ادامه به برخی از مهم‌ترین کاربردهای هوش مصنوعی در دندانپزشکی می‌پردازیم:

طراحی لبخند با هوش مصنوعی

طراحی لبخند با هوش مصنوعی یک فرآیند پیشرفته در دندانپزشکی زیبایی است که از نرم‌افزارها و الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل ویژگی‌های صورت بیمار و طراحی لبخندی متناسب، زیبا و طبیعی استفاده می‌کند. این فناوری با استفاده از اسکن‌های سه‌بعدی، تصاویر دیجیتال و ابزارهای شبیه‌سازی، نتایج احتمالی درمان را قبل از شروع به بیمار نشان می‌دهد و به دندانپزشکان کمک می‌کند تا با دقت بالا، بهترین شکل، اندازه و رنگ دندان‌ها را بر اساس آناتومی فرد طراحی کنند.

فرآیند طراحی لبخند با هوش مصنوعی

1. اسکن و تصویربرداری دیجیتال: ابتدا با استفاده از اسکنرها و دوربین‌های دیجیتال، تصاویر و مدل‌های سه‌بعدی دقیقی از دهان و فک بیمار تهیه می‌شود.
2. تجزیه و تحلیل توسط هوش مصنوعی: الگوریتم‌های هوش مصنوعی این تصاویر را تجزیه و تحلیل می‌کنند تا جزئیات دقیق آناتومی دهان و ویژگی‌های صورت فرد را درک کنند.
3. شبیه‌سازی و طراحی: نرم‌افزارهای تخصصی با استفاده از این اطلاعات، طرح لبخند دلخواه را شبیه‌سازی می‌کنند. این طرح شامل جزئیاتی مانند اندازه، شکل و موقعیت دندان‌ها خواهد بود تا لبخندی هماهنگ با اجزای صورت بیمار ایجاد شود.
4. ارائه طرح به بیمار: بیمار می‌تواند طرح نهایی درمان را قبل از شروع هرگونه مداخله‌ای مشاهده کند و بازخورد دهد.
5. ساخت پروتزهای دندانی: در نهایت، با استفاده از سیستم‌های CAD/CAM و با کمک هوش مصنوعی، روکش‌ها و پروتزهای دندانی (مانند لمینت‌ها) با دقت بسیار بالا و متناسب با طرح طراحی شده ساخته می‌شوند.

مزایای طراحی لبخند با هوش مصنوعی

افزایش دقت و کارایی: هوش مصنوعی با خودکارسازی اندازه‌گیری‌ها و تحلیل‌ها، دقت فرآیند را بالا می‌برد و احتمال خطا را کاهش می‌دهد.
شخصی‌سازی: طرح لبخند به‌طور کامل بر اساس ویژگی‌های منحصربه‌فرد هر بیمار طراحی و شخصی‌سازی می‌شود.
پیش‌بینی نتایج: بیمار می‌تواند نتیجه نهایی درمان را پیش از آغاز ببیند و در فرآیند طراحی مشارکت کند.
بهبود طراحی پروتزها: دقت در طراحی پروتزهای دندانی مانند روکش و لمینت افزایش یافته و تناسب آن‌ها با دهان بیمار طبیعی‌تر خواهد بود.
افزایش سرعت درمان: با بهینه‌سازی مراحل طراحی و ساخت، زمان مورد نیاز برای درمان کاهش می‌یابد.

ایمپلنت دندان با هوش مصنوعی

ایمپلنت دندان با استفاده از هوش مصنوعی (AI) به معنای استفاده از فناوری‌های دیجیتال و هوش مصنوعی در مراحل مختلف درمان ایمپلنت است، از جمله تشخیص دقیق‌تر مشکلات دهانی با تحلیل تصاویر اسکن سه‌بعدی (مانند CBCT)، طراحی ایمپلنت‌های سفارشی بر اساس آناتومی دقیق بیمار، و هدایت جراحی برای قرار دادن دقیق ایمپلنت در محل مورد نظر. این رویکرد به طور کلی به افزایش دقت، سرعت، و بهبود نتایج درمان ایمپلنت، کاهش تهاجم جراحی، و افزایش رضایت بیمار کمک می‌کند.

 

چگونگی استفاده از هوش مصنوعی در ایمپلنت دندان

تشخیص و تحلیل: هوش مصنوعی با تجزیه و تحلیل تصاویر رادیوگرافی و اسکن‌های سه‌بعدی، به دندانپزشکان در تشخیص دقیق بیماری‌هایی مانند پوسیدگی، تحلیل استخوان، و بیماری‌های لثه کمک می‌کند و امکان تشخیص زودهنگام و موثرتر را فراهم می‌کند.
طراحی دیجیتال: الگوریتم‌های هوش مصنوعی می‌توانند مدل‌های دقیق و سفارشی‌سازی شده‌ای از دهان بیمار ایجاد کنند. این مدل‌ها به دندانپزشکان کمک می‌کنند تا پروتزهایی طراحی کنند که به طور کامل با آناتومی منحصر به فرد دهان بیمار مطابقت داشته باشد و به حداکثر زیبایی دست یابد.
هدایت جراحی: با استفاده از مدل‌های سه‌بعدی و اطلاعات دقیق حاصل از تحلیل‌های هوش مصنوعی، دندانپزشکان می‌توانند جراحی‌های هدایت‌شده با دقت بسیار بالایی را انجام دهند. این امر به قرارگیری دقیق ایمپلنت در جای مناسب، بدون آسیب به اعصاب و دندان‌های مجاور، کمک می‌کند.

 

هوش مصنوعی در ارتودنسی

به جرأت می‌توان گفت که بزرگ‌ترین دستاورد هوش مصنوعی در دندانپزشکی مربوط به ارتودنسی است. شاید با خود بگویید که دستاورد هوش مصنوعی برای ارتودنسی شامل چه اقداماتی در این راستا می‌شود؟ در پاسخ این پرسش باید بگوییم که کلیۀ مراحل ارتودنسی دندان اعم از تشخیص بیماری‌های مربوط به دهان و دندان، برنامه‌ریزی برای روند درمان بیمار، نظارت و پیگیری بر روند درمان بیمار به واسطه هوش مصنوعی قابل اجرا است.

از طرفی تمامی اسکن‌های سه بعدی و مدل‌های مجازی تهیه شده از فضای دهان و دندان‌های بیمار به ویژه ناهنجاری‌های مربوط به جمجمه و فک شخص به کمک هوش مصنوعی قابل تشخیص هستند و دندانپزشکی که از این فناوری و تکنولوژی نوین بهره می‌گیرد به خوبی قادر به درک این مسئله است که از چه روشی استفاده کند. لازم به ذکر است وقتی برای درمان و ارتودنسی دندان از هوش مصنوعی استفاده می‌شود، درصد خطا به حداقل ممکن می‌‌رسد.

 

تفسیر عکس دندان با هوش مصنوعی

هوش مصنوعی در رادیولوژی: به واسطه دانش هوش مصنوعی امکان ادغام کردن روش‌های تصویر برداری MRI، توموگرافی کامپیوتری یا پرتوهای مخروطی و سایر امکانات ویژه با یکدیگر وجود دارد. به‌ عنوان مثال کوچک‌ترین انحرافات جزئی در این نوع از رادیولوژی به کمک هوش مصنوعی قابل تشخیص است.

 

هوش مصنوعی و دندانپزشکی ترمیمی

استفاده از خدمات پروتزهای دندانی در علم دندانپزشکی بسیار شایع و متداول است. جالب است بدانید که هوش مصنوعی موجب رونق و تحول در درمان‌های ترمیمی به واسطه پروتز نیز می‌شود. به کمک این روند می‌توان برای ترمیم اینله‌ ها، رویه‌ها، تاج‌ها و پل‌ها استفاده کرد. حتماً گاهی با خطاهای جزئی در ترمیم‌های دندانی و نامتقارن بودن پروتزهای دندانی مواجه شده‌اید. با رونق گرفتن هوش مصنوعی این درصدهای خطا به کمترین میزان ممکن نزول می‌کنند.

 

هوش مصنوعی کامپوزیت دندان

هوش مصنوعی مستقیماً برای ساخت کامپوزیت دندان استفاده نمی‌شود، بلکه در فرآیندهای مرتبط با آن مانند طراحی لبخند، تحلیل رادیوگرافی‌ها، پیش‌بینی نتایج درمان‌های ارتودنسی، و بهینه‌سازی فرآیند سخت شدن کامپوزیت با دستگاه لایت کیور کاربرد دارد. این فناوری به دندانپزشکان کمک می‌کند تا درمان‌های دقیق‌تر، سریع‌تر و ایمن‌تری ارائه دهند و بیماران بتوانند نتایج نهایی درمان را قبل از شروع مشاهده کنند.

کاربردهای هوش مصنوعی در فرآیندهای مرتبط با کامپوزیت دندان

طراحی لبخند (Smile Design): هوش مصنوعی به دندانپزشکان کمک می‌کند تا لبخندی زیبا و متناسب با ویژگی‌های منحصر به فرد هر فرد طراحی کنند و قبل از شروع درمان، نتیجه نهایی را به بیمار نشان دهند.

تجزیه و تحلیل تصاویر رادیوگرافی: نرم‌افزارهای هوش مصنوعی می‌توانند تصاویر رادیوگرافی دهان و دندان را تحلیل کرده و موقعیت دقیق دندان‌ها و ریشه‌ها را تشخیص دهند.
دستگاه لایت کیور: با ترکیب هوش مصنوعی و دستگاه لایت کیور (که برای سخت کردن کامپوزیت‌ها استفاده می‌شود)، می‌توان فرآیند سخت شدن مواد ترمیمی را دقیق‌تر و ایمن‌تر کرد.

 

هوش مصنوعی در مدیریت مراجعه‌کنندگان دندانپزشکی

از هوش مصنوعی می‌توان به عنوان دستیار دندانپزشک فعال نام برد. هوش مصنوعی قادر به رزرو وقت بیماران برای مراجعه به کلینیک‌های درمانی، بررسی سوابق پزشکی و درمانی بیمار، مدیریت بیمه بیمار و سایر موارد جزئی است. از دیگر کاربردهای آن می‌توان به دستیار جراح بودن اشاره کرد. به عنوان مثال هوش مصنوعی با ریزبینی و نکته سنجی دقیق شیوه‌های درمانی در دندانپزشکی را بهبود می‌ بخشد.

 

بررسی مزایای هوش مصنوعی در دندانپزشکی

حال که با بخشی از کاربردهای هوش مصنوعی در دندانپزشکی آشنا شده‌اید، لازم می‌دانیم که به بررسی مزایای این دانش و فناوری در علم دندانپزشکی بپردازیم. موارد زیر از جمله شایع‌ترین مزیت‌های هوش مصنوعی در دندانپزشکی محسوب می‌شوند:

    فرایندهای تشخیص بیماری‌های دهان و دندان سرعت گرفته و با دقتی بالا انجام می‌شود؛

    دقت بالا در تشخیص: AI با تحلیل دقیق تصاویر رادیوگرافی و دیگر داده‌های دندانی می‌تواند به تشخیص دقیق‌تر بیماری‌ها کمک کند.
    پیش‌بینی و پیشگیری از بیماری‌ها: توانایی AI در تحلیل داده‌ها و پیش‌بینی الگوهای بیماری می‌تواند به پیشگیری مؤثر از بیماری‌های دهان و دندان کمک کند.
    طراحی سفارشی‌سازی‌شده پروتزها: AI می‌تواند در طراحی پروتزهای دندانی سفارشی و دقیق برای بیماران نقش مهمی داشته باشد.
    کاهش زمان و هزینه‌ها: با بهره‌گیری از AI، فرآیندهای دندانپزشکی می‌توانند کارآمدتر و سریع‌تر شوند، که منجر به کاهش هزینه‌ها و زمان درمان برای بیماران می‌شود.

 

معایب استفاده از هوش مصنوعی در دندانپزشکی

    هزینه بالای تکنولوژی: استفاده از AI در دندانپزشکی ممکن است هزینه‌های اولیه بالایی داشته باشد که برای برخی مطب‌ها و بیمارستان‌ها چالش‌برانگیز است.
    نیاز به داده‌های دقیق و کافی: برای اینکه AI به درستی کار کند، نیازمند داده‌های دقیق و جامع است، که گاهی اوقات دستیابی به آن‌ها دشوار است.
    کاهش تعامل انسانی: به کارگیری AI ممکن است به کاهش تعامل مستقیم بین دندانپزشک و بیمار منجر شود که می‌تواند بر ارتباطات و رضایت بیمار تأثیر بگذارد.
    مسائل اخلاقی و حریم خصوصی: مدیریت داده‌های بیماران و مسائل مرتبط با حفظ حریم خصوصی در استفاده از AI چالش‌های اخلاقی به همراه دارد.
    محدودیت‌ها و خطاهای سیستمی: هر سیستم AI ممکن است دارای محدودیت‌های خاص خود باشد و گاهی اوقات ممکن است خطاهایی را ارتکاب کند.

 

 

دندانپزشکی در ده سال آینده

دندانپزشکی در 10 سال آینده شاهد گسترش چشمگیر فناوری‌هایی مانند هوش مصنوعی، واقعیت مجازی و چاپ سه‌بعدی خواهد بود که به بهبود تشخیص و درمان کمک می‌کنند. همچنین، تقاضا برای خدمات تخصصی افزایش یافته و دندانپزشکی از راه دور (Teledentistry) رواج بیشتری پیدا خواهد کرد. در زمینه سلامت دهان‌ و دندان نیز، استفاده از مواد آنتی‌میکروبیال و مسواک‌های هوشمند برای پیشگیری از بیماری‌ها و ارائه خدمات دقیق‌تر رایج‌تر خواهد شد.

با خواندن این مقاله دیدیم که هوش مصنوعی (AI) پتانسیل این را دارد که آینده دندانپزشکی را به طرز چشمگیری تحت تاثیر قرار دهد. با پیشرفت‌های فزاینده در این فناوری، ما شاهد تغییرات بنیادینی در نحوه تشخیص، درمان و مدیریت بیماری‌های دهان و دندان خواهیم بود.

با استفاده از الگوریتم‌های یادگیری ماشین، به دندانپزشکان در تشخیص دقیق‌تر و سریع‌تر بیماری‌های دهان و دندان کمک می شود. این امر به ویژه در تشخیص زودهنگام بیماری‌هایی که ممکن است به صورت دستی قابل تشخیص نباشند، موثر است.

همچنین با تحلیل داده‌های گسترده، پیش‌بینی ریسک‌های بیماری‌های دهان و دندان بسیار ساده تر شده و به دندانپزشکان این امکان داده می شود تا استراتژی‌های پیشگیرانه‌ای را پیاده‌سازی کنند.

در مجموع، در 10 سال آینده شاهد انقلابی در دندانپزشکی به واسطه فناوری‌های نوین، مواد پیشرفته و تغییر رویکرد به سوی خدمات دیجیتال و پیشگیری خواهیم بود. از جمله در توسعه مواد جدید دندانی و روش‌های درمانی نوآورانه. آینده هوش مصنوعی در دندانپزشکی بی‌شک، رو به تحول و نوآوری است. با پیشرفت‌های مداوم در فناوری AI و یادگیری ماشین، دگرگونی‌های قابل توجهی در نحوه تشخیص، درمان و مدیریت بیماری‌های دهان و دندان رخ خواهد داد.

 

نقش دندان پزشکان در عصر هوش مصنوعی

در عصر هوش مصنوعی (AI)، نقش دندانپزشکان در حال تغییر است، اما همچنان حیاتی و غیرقابل جایگزین است. با ورود AI به حوزه دندانپزشکی، دندانپزشکان با فرصت‌ها و چالش‌های جدیدی روبرو هستند. در نهایت، هوش مصنوعی در دندان پزشکی همچنان نقش کلیدی در ارائه مراقبت‌های دندانپزشکی با کیفیت دارند. هوش مصنوعی ابزاری قدرتمند است که می‌تواند به بهبود کیفیت و کارایی خدمات دندانپزشکی کمک کند، اما نقش انسانی و تخصص دندانپزشک همچنان اساسی است.

 

مقالات هوش مصنوعی در دندانپزشکی

نسخه های الکترونیکی مقالات زیر در سایت های Pubmed /Medline  ، Scopus (Elsevier) ، Web of Sciences  (Claritive Analytics)  از سال 2020 الی 2023  با استفاده از کلمات کلیدی Arfificial Intelligence ،Dentistry، Education موجود می باشد. همه مقالات به زبان انگلیسی هستند. تعداد 40 مقاله به عنوان منابع تخصصی هوش مصنوعی در دندانپزشکی در اینجا آورده شده است:

 

1. Obermeyer Z., Emanuel E.J. Predicting the Future-Big Data, Machine Learning, and Clinical Medicine. N. Engl. J. Med. 2016;375:1216. doi: 10.1056/NEJMp1606181 [DOI:10.1056/NEJMp1606181]
2. Ahmed N, Abbasi MS, Zuberi F, Qamar W, Halim MSB, Maqsood A, Alam MK. Artificial Intelligence Techniques: Analysis, Application, and Outcome in Dentistry-A Systematic Review. Biomed Res Int. 2021 Jun 22;2021:9751564. doi: 10.1155/2021/9751564. PMID: 34258283; PMCID: PMC8245240. [DOI:10.1155/2021/9751564]
3. Khanagar SB, Al-Ehaideb A, Maganur PC, Vishwanathaiah S, Patil S, Baeshen HA, Sarode SC, Bhandi S. Developments, application, and performance of artificial intelligence in dentistry - A systematic review. J Dent Sci. 2021 Jan;16(1):508-522. doi: 10.1016/j.jds.2020.06.019. Epub 2020 Jun 30. PMID: 33384840; PMCID: PMC7770297. [DOI:10.1016/j.jds.2020.06.019]
4. Bonny T, Al Nassan W, Obaideen K, Al Mallahi MN, Mohammad Y, El-Damanhoury HM. Contemporary Role and Applications of Artificial Intelligence in Dentistry. F1000Res. 2023 Sep 20;12:1179. doi: 10.12688/f1000research.140204.1. PMID: 37942018; PMCID: PMC10630586. [DOI:10.12688/f1000research.140204.1]
5. Thurzo A, Urbanová W, Novák B, Czako L, Siebert T, Stano P, Mareková S, Fountoulaki G, Kosnáčová H, Varga I. Where Is the Artificial Intelligence Applied in Dentistry? Systematic Review and Literature Analysis. Healthcare (Basel). 2022 Jul 8;10(7):1269. doi: 10.3390/healthcare10071269. PMID: 35885796; PMCID: PMC9320442. [DOI:10.3390/healthcare10071269]
6. Choi J.W., Park H., In-Hwan Kim B.S., Kim N., Kwon S.-M., Lee J.Y. Surgery-First Orthognathic Approach to Correct Facial Asymmetry: Artificial Intelligence-Based Cephalometric Analysis. Plast. Reconstr. Surg. 2022;149:496e-499e. [DOI:10.1097/PRS.0000000000008818]
7. Rasteau S., Ernenwein D., Savoldelli C., Bouletreau P. Artificial Intelligence for Oral and Maxillo-Facial Surgery: A Narrative Review. J. Stomatol. Oral Maxillofac. Surg. 2022;123:276-282 [DOI:10.1016/j.jormas.2022.01.010]
8. Gharavi S.M.H., Faghihimehr A. Clinical Application of Artificial Intelligence in PET Imaging of Head and Neck Cancer. PET Clin. 2022;17:65-76 [DOI:10.1016/j.cpet.2021.09.004]
9. Kishimoto T., Goto T., Matsuda T., Iwawaki Y., Ichikawa T. Application of Artificial Intelligence in the Dental Field: A Literature Review. J. Prosthodont. Res. 2022;66:19-28. [DOI:10.2186/jpr.JPR_D_20_00139]
10. Joshi V.K. Dental Treatment Planning and Management for the Mouth Cancer Patient. Oral Oncol. 2010;46:475-479. [DOI:10.1016/j.oraloncology.2010.03.010]
11. Bouletreau P., Makaremi M., Ibrahim B., Louvrier A., Sigaux N. Artificial Intelligence: Applications in Orthognathic Surgery. J. Stomatol. Oral Maxillofac. Surg. 2019;120:347-354. [DOI:10.1016/j.jormas.2019.06.001]
12. Patcas R., Bernini D.A.J., Volokitin A., Agustsson E., Rothe R., Timofte R. Applying Artificial Intelligence to Assess the Impact of Orthognathic Treatment on Facial Attractiveness and Estimated Age. Int. J. Oral Maxillofac. Surg. 2019;48:77-83 [DOI:10.1016/j.ijom.2018.07.010]
13. s: Ghods K, Azizi A, Jafari A, Ghods K. Application of Artificial Intelligence in Clinical Dentistry, a Comprehensive Review of literature. J Dent Shiraz Univ Med Sci. December 2023; 24(4): 356-371
14. Schwendicke F, Golla T, Dreher M, Krois J. Convolutional neural networks for dental image diagnostics: A scoping review. J Dent. 2019 Dec;91:103226. doi: 10.1016/j.jdent.2019.103226. Epub 2019 Nov 5. PMID: 31704386 [DOI:10.1016/j.jdent.2019.103226]
15. Faber J., Faber C., Faber P. Artificial Intelligence in Orthodontics. APOS Trends Orthod. 2019;9:201-205. [DOI:10.25259/APOS_123_2019]
16. Müller A., Mertens S.M., Göstemeyer G., Krois J., Schwendicke F. Barriers and Enablers for Artificial Intelligence in Dental Diagnostics: A Qualitative Study. J. Clin. Med. 2021;10:1612 [DOI:10.3390/jcm10081612]
17. Tanikawa C., Yamashiro T. Development of Novel Artificial Intelligence Systems to Predict Facial Morphology after Orthognathic Surgery and Orthodontic Treatment in Japanese Patients. Sci. Rep. 2021;11:15853 [DOI:10.1038/s41598-021-95002-w]
18. Thurzo A., Kurilová V., Varga I. Artificial Intelligence in Orthodontic Smart Application for Treatment Coaching and Its Impact on Clinical Performance of Patients Monitored with AI-TeleHealth System. Healthcare. 2021;9:1695 [DOI:10.3390/healthcare9121695]
19. Impellizzeri A., Horodinsky M., Barbato E., Polimeni A., Salah P., Galluccio G. Dental Monitoring Application: It Is a Valid Innovation in the Orthodontics Practice? Clin. Ter. 2020;171:260-267.
20. Roisin L.-C., Brézulier D., Sorel O. Remotely-Controlled Orthodontics: Fundamentals and Description of the Dental Monitoring System. J. Dentofac. Anom. Orthod. 2016;19:408. [DOI:10.1051/odfen/2016021]
21. Fatima A., Shahid A.R., Raza B., Madni T.M., Janjua U.I. State-of-the-Art Traditional to the Machine- and Deep-Learning-Based Skull Stripping Techniques, Models, and Algorithms. J. Digit. Imaging. 2020;33:1443-1464 [DOI:10.1007/s10278-020-00367-5]
22. MacHoy M.E., Szyszka-Sommerfeld L., Vegh A., Gedrange T., Woźniak K. The Ways of Using Machine Learning in Dentistry. Adv. Clin. Exp. Med. 2020;29:375-384. [DOI:10.17219/acem/115083]
23. Ding H, Wu J, Zhao W, Matinlinna JP, Burrow MF and Tsoi JKH (2023) Artificial intelligence in dentistry-A review. Front. Dent. Med 4:1085251 [DOI:10.3389/fdmed.2023.1085251]
24. Huang Y-P, Lee S-Y. An Effective and Reliable Methodology for Deep Machine Learning Application in Caries Detection. medRxiv (2021)
25. Kim E-H, Kim S, Kim H-J, Jeong H-o, Lee J, Jang J, et al. Prediction of chronic periodontitis severity using machine learning models based on salivary bacterial copy number. Front Cell Infect. (2020) 10:69 [DOI:10.3389/fcimb.2020.571515]
26. Krois J, Ekert T, Meinhold L, Golla T, Kharbot B, Wittemeier A, et al. Deep learning for the radiographic detection of periodontal bone loss. Sci Rep. (2019) 9 (1):1-6 [DOI:10.1038/s41598-019-44839-3]
27. Yang J, Xie Y, Liu L, Xia B, Cao Z, Guo C. Automated dental image analysis by deep learning on small dataset. In2018 IEEE 42nd annual computer software and applications conference. COMPSAC. 2018; 1: 492-497 [DOI:10.1109/COMPSAC.2018.00076]
28. Wei J, Peng M, Li Q, Wang Y. Evaluation of a novel computer color matching system based on the improved back-propagation neural network model. J Prosthodont. (2018) 27(8):775-83 [DOI:10.1111/jopr.12561]
29. Yamaguchi S, Lee C, Karaer O, Ban S, Mine A, Imazato S. Predicting the Debonding of CAD/CAM Composite Resin Crowns with AI. Journal of Dental Research. 2019;98(11):1234-1238. [DOI:10.1177/0022034519867641]
30. Cheng C, Cheng X, Dai N, Jiang X, Sun Y, Li W. Prediction of facial deformation after complete denture prosthesis using BP neural network. Comput Biol Med. (2015) 66:103-12 [DOI:10.1016/j.compbiomed.2015.08.018]
31. minoshariae A, Kulild J, Nagendrababu V. Artificial Intelligence in Endodontics: Current Applications and Future Directions. J Endod. 2021; 47: 1352-1357 [DOI:10.1016/j.joen.2021.06.003]
32. Boreak N. Effectiveness of artificial intelligence aplications designed for endodontic diagnosis, decisionmaking, and prediction of prognosis: A systematic review. J Contemp Dent Pract. 2020; 21: 926-934 [DOI:10.5005/jp-journals-10024-2894]
33. Saghiri MA, Garcia-Godoy F, Gutmann JL. The reliability of artificial neural network in locating minor apical foramen: a cadaver study. J Endod. 2012; 38: 1130-1134- [DOI:10.1016/j.joen.2012.05.004]
34. Poswar F, Farias L, de Carvalho Fraga C, Bambirra W, Brito-Júnior M, Sousa-Neto M, et al. Bioinformatics, interaction network analysis, and neural networks to characterize gene expression of radicular cyst and periapical granuloma. J. Endod. 2015; 41: 877-883 [DOI:10.1016/j.joen.2015.02.004]
35. Mahmood H, Shaban M, Indave BI, Santos-Silva AR, Rajpoot N, Khurram SA. Use of artificial intelligence in diagnosis of head and neck precancerous and cancerous lesions: A systematic review. Oral Oncol. 2020; 110: 104885 [DOI:10.1016/j.oraloncology.2020.104885]
36. Mäkitie AA, Alabi RO, Ng SP, Takes RP, Robbins KT, Ronen O, Shaha AR, Bradley PJ, Saba NF, Nuyts S, Triantafyllou A, Piazza C, Rinaldo A, Ferlito A. Artificial Intelligence in Head and Neck Cancer: A Systematic Review of Systematic Reviews. Adv Ther. 2023 Aug;40(8):3360-3380. [DOI:10.1007/s12325-023-02527-9]
37. Alabi RO, Youssef O, Pirinen M, Elmusrati M, Mäkitie AA, Leivo I, Almangush A. Machine learning in oral squamous cell carcinoma: Current status, clinical concerns and prospects for future-A systematic review. Artif Intell Med. 2021 May;115:102060. [DOI:10.1016/j.artmed.2021.102060]
38. 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, 150. [DOI:10.3390/educsci13020150]
39. Saghiri MA, Vakhnovetsky J, Nadershahi N. Scoping review of artificial intelligence and immersive digital tools in dental education. J Dent Educ. 2022 Jun;86(6):736-750. [DOI:10.1002/jdd.12856]
40. Khazaei AH, Amirpour Haradasht S, Shahraki M. [Artificial Intelligence and Dental Education in Iran: Current Situation and Challenges (Persian)]. Development Strategies in Medical Education. 2023; 9(4):8-11