Дмитренко М. І.

ПЕРСПЕКТИВИ ТА РЕЗУЛЬТАТИВНІСТЬ ВИКОРИСТАННЯ ШТУЧНОГО ІНТЕЛЕКТУ В ОРТОДОНТІЇ

---

Показати/Завантажити PDF

Про автора:

Дмитренко М. І.

Рубрика:

МЕДИЧНА ОСВІТА

Тип статті:

Наукова стаття

Анотація:

Використання алгоритмів машинного навчання має значний потенціал для покращення точності та ефективності ортодонтичного лікування з застосуванням принципів міждисциплінарного підходу. Метою дослідження стало вивчення можливостей застосування штучного інтелекту в ортодонтії при оцінці діагнос- тичних даних пацієнтів під час клінічного навчання студентів. Проведений аналіз та узагальнення наукових відомостей про ефективність застосування нейронних мереж у визначенні ступеня кісткової зрілості скелету. З’ясовано, що якісний мануальний цефалометричний аналіз шийних хребців потребує значного часу та дос- віду лікаря-ортодонта, а використання спеціалізованих програм дозволяє автоматизувати оцінку кісткового віку та швидко отримати достовірний результат. Однак за результатами власного дослідження встановлено, що мануальний аналіз діагностичних даних, який проводили студенти, а також аналіз із залученням універ- сальних програм штучного інтелекту у 80% виявилися помилковими. Виявлені грубі клінічні похибки спону- кали нас до розвитку вміння «бачити» у студентів та тренування машинного навчання. На основі комунікації з Gemini був створений код на Python і запропонована схема взаємодії «Викладач – Студент – Штучний інте- лект». Модель базується на трьох принципах: відкритість, взаємодія, взаємоповага. Такий підхід у викладанні створює умови для розвитку комунікаційних зв’язків, відповідальності майбутнього лікаря, формує клінічне мислення здобувача, що вкрай необхідно в подальшій самостійній практичній роботі.

Теги:

Список цитованої літератури:

1. Smaglyuk LV, Liakhovska AV. Skeletal and dental maturity in female adolescents with menstrual disorders. World of Medicine and Biology. 2019;(3):153-158. DOI: https://doi.org/10.26724/2079-8334-2019-3-69-153-158
2. Kaskova LF, Yanko NV, Vashchenko IY, Sadovski MO, Zavyalova KM, Ulasevich LP, et al. The knowledge and attitude regarding vital pulp therapy among dental students of a Ukrainian university. East Ukr Med J. 2025;13(3):693-701. DOI: https://doi.org/10.21272/eumj.2025;13(3):693-701
3. Manashchuk NV, Chornii SV, Zalizniak MS, Pohoretska KhV, Chornii NV, Patskan LO. Shtuchnyi intelekt u terapevtychnii stomatolohii. Klinichna Stomatolohiia. 2025;(3):23-30. DOI: https://doi.org/10.11603/2311-9624.2025.3.15873 [in Ukrainian].
4. Belikov OB, Roshchuk OI, Belikova NI, Belikova LO, Bernik MA. Artificial intelligence in dentistry: functional classification, clinical responsibility, and risk stratification. Via Stomatologiae. 2026;3(1):24-33. DOI: https://doi.org/10.32782/3041-1394.2026-1.3
5. Vyzhenko YeYe. Suchasni mozhlyvosti zastosuvannia kompiuternykh tekhnolohii v ortodontii. Aktualni problemy suchasnoi medytsyny: Visnyk Ukrainskoi medychnoi stomatolohichnoi akademii. 2023;23(4):288-292. DOI: https://doi.org/10.31718/2077-1096.23.4.288 [in Ukrainian].
6. MOZ Ukrainy. Ortodontiia ta shchelepno-lytseva ortopediia klinichna nastanova, zasnovana na dokazakh. Kyiv: MOZ Ukrainy; 2023. Dostupno: https://www.dec.gov.ua/wp-content/uploads/2025/03/2023_620_kn-ortodontiya.pdf [in Ukrainian].
7. Smaglyuk LV, Dmytrenko MI, Gurzhiy OV, Nesterenko OM, Voronkova AV. The meaning of teleradiographic indicators in the comprehensive therapy of dental patients. (Literature review). Bulletin of problems biology and medicine. 2022;1:67-70. DOI: https://doi.org/10.29254/2077-4214-2022-1-163-67-70
8. McNamara JAJr, Franchi L. The cervical vertebral maturation method: a user’s guide. Angle Orthod. 2018;88(2):133-143. DOI: https://doi.org/10.2319/111517-787.1
9. Kim EG, Oh IS, So JE, Kang J, Le VNT, Tak MK, et al. Estimating cervical vertebral maturation with a lateral cephalogram using the convolutional neural network. J Clin Med. 2021;10(22):5400. DOI: https://doi.org/10.3390/jcm10225400
10. Barbosa NMV, Castro AC, Conti F, Capelozza-Filho L, Almeida-Pedrin RR, Cardoso MA. Reliability and reproducibility of the method of assessment of midpalatal suture maturation: a tomographic study. Angle Orthod. 2019;89(1):71-77. DOI: https://doi.org/10.2319/121317-859.1
11. Decocq P, Toutain G, Honore J, Bocquet E, Crocquet M Computerized method for calculating cervical vertebral maturation. Orthod Fr. 2020;91(4):361-371. DOI: https://doi.org/10.1684/orthodfr.2020.27
12. Sadeghi TS, Ourang SA, Sohrabniya F, Sadr S, Shobeiri P, Motamedian SR. Performance of artificial intelligence on cervical vertebral maturation assessment: a systematic review and meta-analysis. BMC Oral Health. 2025;25(1):187. DOI: https://doi.org/10.1186/s12903-025-05482-9
13. Mathew R, Palatinus S, Padala S, Alshehri A, Awadh W, Bhandi S, et al. Neural networks for classification of cervical vertebrae maturation: a systematic review. Angle Orthod. 2022;92(6):796-804. DOI: https://doi.org/10.2319/031022-210.1
14. Amasya H, Cesur E, Yıldırım D, Orhan K. Validation of cervical vertebral maturation stages: artificial intelligence vs human observer visual analysis. Am J Orthod Dentofacial Orthop. 2020;158(6):e173-e179. DOI: https://doi.org/10.1016/j.ajodo.2020.08.014

Публікація статті:

«Вісник проблем біології і медицини», 2026 Випуск 2, 181, 211-216 сторінки, код УДК 616.314-089.23:378.147

DOI:

10.29254/2077-4214-2026-2-181-211-216