Сучасні цифрові підходи до діагностики та планування ортопедичної реабілітації пацієнтів із втратою зубів внаслідок поранення щелепно-лицьової ділянки (огляд літератури)
DOI:
https://doi.org/10.33295/1992-576X-2025-3-117Ключові слова:
стоматологія, штучний інтелект, ортопедична реабілітація, діагностика щелеп, поранення, щелепно-лицьова ділянкаАнотація
Актуальність. Статтю присвячено актуальному питанню особливостей сучасних цифрових підходів до діагностики та планування ортопедичної реабілітації пацієнтів із втратою зубів внаслідок поранення щелепно-лицьової ділянки. Це питання набуває більшої актуальності у результаті активних бойових дій на території України та збільшенню кількості військових і цивільних людей із пораненнями щелепно-лицьової ділянки. Для їх ефективної реабілітації поряд із традиційними методами діагностики потрібно використовувати також цифрові технології. Показано, що в останні роки цифрові підходи та технології інтенсивно розвиваються, їх впровадження стає поширенішим й активно вдосконалює медицину загалом та стоматологію зокрема.
Упровадження штучного інтелекту в ортопедичну стоматологію під час реабілітації пацієнтів із пораненнями щелепно-лицьової ділянки допоможе підвищити точність діагностики та спростити планування лікування. Крім того, це сприятиме розробленню персоналізованого підходу до планування ортопедичної реабілітації шляхом цифрового аналізу діагностичних даних, що допоможе визначити ефективні ортопедичні втручання для кожного окремого пацієнта у разі втрати зубів внаслідок поранення щелепно-лицьової ділянки. Персоналізований цифровий стоматологічний паспорт, закодований цифровими технологіями, забезпечить реабілітацію та виготовлення протезів на основі 3D-друкованих стоматологічних біоматеріалів. Розглянуто застосування 3D-сканерів та CAD/CAM-технологій із залучення цифрових програм (Dentsply Sirona CEREC, 3Shape TRIOS, Exocad, Blue Sky Plan, Nobel Biocare, Meshmixer, Dental Wings, Real Guide 5.3) для підвищення точності діагностики, планування та виготовлення протезів.
Отже, аналіз можливостей ортопедичних методів діагностики у пацієнтів, які втратили зуби внаслідок поранення, показав, що на сьогодні штучний інтелект розширює діагностичні та лікувальні можливості. Різні види комп’ютерної томографії, інтраорального сканування, цифрової оклюзіографії та сучасні цифрові програми і платформи забезпечують розроблення індивідуальних планів лікування, точніше планування ортопедичної реабілітації та підвищення її ефективності.
Завантаження
Посилання
Wei, X., Du, Y., Zhou, X. et al. (2023). Expert consensus on digital guided therapy for endodontic diseases. Int J Oral Sci, 15(1): 54. DOI: https://doi.org/10.1038/s41368-023-00261-0. PMid: 38052782. PMCid: PMC10697975
Franco, R., Minervini, G. (2024). Digitalization, technologies, new approaches, and telemedicine in dentistry and craniofacial / temporomandibular disorders. Appl Sci, 14(13), 5871. DOI: https://doi.org/10.3390/app14135871.
Alqahtani, J., Alhemaid, G., Alqahtani, H. et al. (2022). Digital diagnostics and orthodontic practice. J Health Sci, 2: 112–117. DOI: https://doi.org/10.3390/app14135871.
Mykhailenko, A.O. (2023). Reconstructive surgeries in the maxillofacial region. Description of clinical cases. Ukrainian scientific medical youth journal, 1(137): 102–103 [Михайленко, А.О. (2023). Реконструктивні операції в щелепно-лицевій ділянці. Опис клінічних випадків. Ukrainian scientific medical youth journal, 1(137), 102-103]. URL: https://mmj.nmuofficial.com/index.php/journal/article/view/45.].
Department of Maxillofacial Therapy, Institute of Postgraduate Education, O. O. Bogomolets National Medical University [ Кафедра щелепно-лицьової терапії Інституту післядипломної освіти Національного медичного університету імені О. О. Богомольця ]. URL: https://www.maxillofacial.education/kafedra/
Coachman, C., Calamita, M.A., Sesma, N. (2017). Dynamic documentation of the smile and the 2D/3D digital smile design process. Int J Periodont Restorat Dent, 37(2): 183–193. DOI: https://doi.org/10.11607/prd.2911. PMid: 28196157
Minervini, G., Franco, R., Marrapodi, M. M. et al. (2023). Conservative treatment of temporomandibular joint condylar fractures: A systematic review conducted according to PRISMA guidelines and the cochrane handbook for systematic reviews of interventions. J Oral Rehabil. 50: 886–893. DOI: https://doi.org/10.1111/joor.13497. PMid: 37191365
Lin, W.S., Harris, B.T., Elathamna, E.N., Morton, D. (2021). Integrating clinical photography, intraoral scanning, and CBCT in digital dentistry: A comprehensive workflow for restorative and surgical planning. J Prosthodontics, 30(6): 500–508. DOI: https://doi.org/10.1111/jopr.13296. PMid: 33215755
Salmassian, H., Becker, M., Brown, S., Ackerman, M.B. (2023). Clinical facial photography in orthodontics and maxillofacial surgery: Current concepts and digital evolution. Oral Maxillofac Surg Clin North America, 35(2): 261–274. DOI: https://doi.org/10.1016/j.coms.2022.11.004.
Baldini, B., Cavagnetto, D., Baselli, G., Sforza, C., Tartaglia, G.M. (2022). Cephalometric measurements performed on CBCT and reconstructed lateral cephalograms: A cross-sectional study providing a quantitative approach of differences and bias. BMC Oral Health, 22(1): 98. DOI: https://doi.org/10.1186/s12903-022-02131-3. PMid: 35351080. PMCid: PMC8966183
Wang, R.H., Ho, C.T., Lin, H.H., Lo, L.J. (2020). Three-dimensional cephalometry for orthognathic planning: Normative data and analyses. J Formos Med Assoc, 119: 191–203. DOI: https://doi.org/10.1016/j.jfma.2019.04.001. PMid: 31003919
Sivari, E., Senirkentli, G.B., Bostanci, E. et al. (2023). Deep learning in diagnosis of dental anomalies and diseases: A systematic review. Diagnostics (Basel, Switzerland), 13(15): 2512. DOI: https://doi.org/10.3390/diagnostics13152512. PMid: 37568875 PMCid: PMC10416832
Folly, P. (2021). Imaging techniques in dental radiology: Acquisition, anatomic analysis and interpretation of radiographic images. BDJ Stud, 28: 11. DOI: https://doi.org/10.1038/s41406-021-0258-7.
Krymovskyy, K., Mileschenko, A., Brychko, T. (2024). Is it possible to completely replace traditional cephalometric analyses with 3D cephalometrics based on artificial intelligence shortly? (Systematicreview). Archive of Ophthalmology and Maxillofacial Surgery of Ukraine, 1(1): 43–53. DOI: https://doi.org/10.22141/aomfs.1.1.2024.9.
Unsal, G.S., Turkyilmaz, I., Lakhia, S. (2020). Advantages and limitations of implant surgery with CAD/CAM surgical guides: A literature review. J Clin Exp Dent, 12(4): e409-e417. DOI: https://doi.org/10.4317/jced.55871. PMid: 32382391 PMCid: PMC7195681
Alauddin, M.S., Baharuddin, A.S., Mohd Ghazali, M.I. (2021). The modern and digital transformation of oral health care: A mini review. Healthcare (Basel, Switzerland), 9(2): 118. DOI: https://doi.org/10.3390/healthcare9020118. PMid: 33503807. PMCid: PMC7912705
Abdelaziz, M.S., Elshikh, E.M. (2024). Digital design of a hybrid bone and tooth-supported surgical guide in patients with unilateral few remaining natural teeth: a dental technique. BMC Res, 17(1): 80. DOI: https://doi.org/10.1186/s13104-024-06738-3. PMid: 38500215. PMCid: PMC10949771
Parekar, D., Selvaganesh, S., Nesappan, T. (2024). Comparative evaluation of accuracy of adjacent parallel implant placements between dynamic navigation and static guide: A prospective study. Cureus, 16(3): e57331. DOI: https://doi.org/10.7759/cureus.57331.
Almalki, A., Conejo, J., Kutkut, N. et al. (2024). Evaluation of the accuracy of direct intraoral scanner impressions for digital post and core in various post lengths: An in-vitro study. J Esthet Restor Dent, 36(4): 673–679. DOI: https://doi.org/10.1111/jerd.13159. PMid: 37921014
Gehrke, P., Rashidpour, M., Sader, R., Özcan, M. (2024). A systematic review of factors impacting intraoral scanning accuracy in implant dentistry with emphasis on scan bodies. Int J Implant Dent, 10: 20. DOI: https://doi.org/10.1186/s40729-024-00543-0. PMid: 38691258. PMCid: PMC11063012
Hao, J., Liu, J., Li, J. et al. (2022). AI-enabled automatic multimodal fusion of cone-beam CT and intraoral scans for intelligent 3D tooth-bone reconstruction and clinical applications. Arxiv preprint. URL: https://arxiv.org/abs/2203.05784. DOI: https://doi.org/10.21203/rs.3.rs-1472915/v1
Silva, T.P., Hughes, M.M., Menezes, L.D.S. et al. (2022). Artificial intelligence-based cephalometric landmark annotation and measurements according to Arnett’s analysis: Can we trust a bot to do that? Dentomaxillofac Radiol, 51(6), 20200548. DOI: https://doi.org/10.1259/dmfr.20200548. PMid: 33882247. PMCid: PMC10043619
Gokdeniz, S.T., Kamburoğlu, K. (2022). Artificial intelligence in dentomaxillofacial radiology. World J Radiol, 14(3): 55–59. DOI: https://doi.org/10.4329/wjr.v14.i3.55. PMid: 35432776. PMCid: PMC8966498
Duran, G.S., Gökmen, Ş., Topsakal, K.G., Görgülü, S. (2023). Evaluation of the accuracy of fully automatic cephalometric analysis software with artificial intelligence algorithm. Orthod Craniofacial Res, 26: 481–490. DOI: https://doi.org/10.1111/ocr.12633. PMid: 36648374
Kılınç, D.D., Kırcelli, B.H., Sadry, S., Karaman, A. (2022). Evaluation and comparison of smartphone application tracing, web based artificial intelligence tracing and conventional hand tracing methods. J Stomatol, Oral Maxillofac Surg, 123(6): e906-e915. DOI: https://doi.org/10.1016/j.jormas.2022.07.017. PMid: 35901950
Gorurgoz, C., Icen, M., Kurt, M. et al. (2023). Degenerative changes of the mandibular condyle in relation to the temporomandibular joint space, gender and age: A multicenter CBCT study. Dent Med Problems, 60(1). DOI: https://doi.org/10.17219/dmp/147514. PMid: 37023340
Lombardo, G., Signoriello, A., Marincola, M. et al. (2023). Five-year follow-up of 8- and 6-mm locking-taper implants treated with a reconstructive surgical protocol for peri-implantitis: A retrospective evaluation. Prosthesis, 5(4): 1322–1342. DOI: https://doi.org/10.3390/prosthesis5040091.
Mangano, F., Veronesi, G., Hauschild, U., Mijiritsky, E., Mangano, C. (2020). Trueness and precision of four intraoral scanners in oral implantology: A comparative in vitro study. PLoS One, 15(9): e0238581. DOI: https://doi.org/10.1371/journal.pone.0238581. PMid: 32881948. PMCid: PMC7470335
Kwon, J.H., Kim, Y.K., Lee, H., Kim, S.G. (2022). Accuracy of computer-assisted surgery in implant placement using the CAD/CAM system: A randomized controlled clinical study. Clin Oral Implants Res, 33(5): 476–484. DOI: https://doi.org/10.1111/clr.13874. PMid: 34881822. PMCid: PMC9394592
Cin, V., İzgi, A.D., Kale, E., Yilmaz, B. (2023). Marginal and internal fit of monolithic zirconia crowns fabricated by using two different cad-cam workflows: An in vitro study. Prosthesis, 5(1): 35–47. DOI: https://doi.org/10.3390/prosthesis5010003.
Alaoffey, A.S., Asiri, M.A., Alhazmi, T.A.A. et al. (2024). Digital dentistry: transforming diagnosis and treatment planning through CAD/CAM and 3D printing. Egypt J Chem, 67(13): 1177–1190. DOI: https://doi.org/10.21608/ejchem.2024.332979.10717.
Jung, R.E., Zitzmann, N.U., Hammerle, C.H.F. (2021). Cone beam computed tomography and guided implant surgery: A review. Int J Oral Maxillofac Implants, 36(2): 243–253. DOI: https://doi.org/10.11607/jomi.8910.
Tallarico, M., Cuccu, M., Meloni, S.M. et al. (2023). Digital analysis of a novel impression method named the biological-oriented digital impression technique: A clinical audit. Prosthesis, 5(4): 992–1001. DOI: https://doi.org/10.3390/prosthesis5040068.
D’Ambrosio, F., Giordano, F., Sangiovanni, G., Di Palo, M.P., Amato, M. (2023). Conventional versus digital dental impression techniques: What is the future? An Umbrella Review. Prosthesis, 5(3): 851–875. DOI: https://doi.org/10.3390/prosthesis5030060.
Ahlholm, P., Sipilä, K., Vallittu, P., Jakonen, M., Kotiranta, U. (2018). Digital versus conventional impressions in fixed prosthodontics: A review. J Prosthodont, 27: 35–41. DOI: https://doi.org/10.1111/jopr.12527. PMid: 27483210
Fieldhouse, S. (2021). CADCAM in dentistry. Materials and methods: an overview for the dental team. Dental Update, 48(8). DOI: https://doi.org/10.12968/denu.2021.48.8.671.
Schmalzl, J., Róth, I., Borbély, J. et al. (2023). The impact of software updates on accuracy of intraoral scanners. BMC Oral Health, 23: 219. DOI: https://doi.org/10.1186/s12903-023-02926-y. PMid: 37061664. PMCid: PMC10105929
Barayan, M.A., Qawas, A.A., Alghamdi, A.S. et al. (2022). Effectiveness of machine learning in assessing the diagnostic quality of bitewing radiographs. Appl Sci, 12(19): 9588. DOI: https://doi.org/10.3390/app12199588.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 ТОВ «Видавничий будинок “Експерт”»
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
