Искусственный интеллект в стоматологии помогает анализировать цифровые данные и может использоваться как дополнительный инструмент при диагностике и планировании лечения, однако алгоритм не заменяет клиническое мышление врача: окончательные решения принимаются специалистом на основании осмотра, обследования и индивидуальных особенностей пациента.
Искусственный интеллект в стоматологии: диагностика и планирование лечения
Масло Павел Андреевич : врач-стоматолог ортопед отвечает на этот вопрос
Быстрая навигация:
Когда говорят об искусственном интеллекте в стоматологии, этим термином нередко называют практически любую современную цифровую технологию - внутриротовой сканер, КЛКТ, программу для моделирования коронок или цифровой дизайн улыбки. С технической точки зрения это не совсем правильно.
Внутриротовой сканер прежде всего регистрирует форму зубов и мягких тканей и создаёт цифровую модель. Конусно-лучевая компьютерная томография формирует трёхмерное рентгенологическое изображение исследуемой области. CAD/CAM-системы позволяют проектировать и изготавливать коронки, виниры, мостовидные и другие ортопедические конструкции. Все эти технологии относятся к цифровой стоматологии, но сами по себе не обязательно используют искусственный интеллект.
Об искусственном интеллекте корректнее говорить тогда, когда программная система применяет обученную математическую модель для анализа данных. Например, алгоритм может искать на рентгеновском изображении признаки, похожие на изменения, представленные в обучающем наборе данных, автоматически выделять зубы и анатомические структуры или классифицировать обнаруженные участки.
Именно поэтому одна и та же цифровая технология может использоваться как с ИИ, так и без него. КЛКТ-исследование само по себе не является искусственным интеллектом. Но программа, которая автоматически сегментирует анатомические структуры на полученном исследовании с помощью обученной модели, уже может включать ИИ-алгоритм.
Американская стоматологическая ассоциация рассматривает применение искусственного и дополненного интеллекта в широком спектре стоматологических направлений - от выявления кариеса и заболеваний пародонта до имплантологии, ортопедической стоматологии и анализа цифровых изображений. При этом FDI World Dental Federation подчёркивает, что такие системы должны поддерживать клиническое решение врача, а не подменять его.
Внутриротовой сканер прежде всего регистрирует форму зубов и мягких тканей и создаёт цифровую модель. Конусно-лучевая компьютерная томография формирует трёхмерное рентгенологическое изображение исследуемой области. CAD/CAM-системы позволяют проектировать и изготавливать коронки, виниры, мостовидные и другие ортопедические конструкции. Все эти технологии относятся к цифровой стоматологии, но сами по себе не обязательно используют искусственный интеллект.
Об искусственном интеллекте корректнее говорить тогда, когда программная система применяет обученную математическую модель для анализа данных. Например, алгоритм может искать на рентгеновском изображении признаки, похожие на изменения, представленные в обучающем наборе данных, автоматически выделять зубы и анатомические структуры или классифицировать обнаруженные участки.
Именно поэтому одна и та же цифровая технология может использоваться как с ИИ, так и без него. КЛКТ-исследование само по себе не является искусственным интеллектом. Но программа, которая автоматически сегментирует анатомические структуры на полученном исследовании с помощью обученной модели, уже может включать ИИ-алгоритм.
Американская стоматологическая ассоциация рассматривает применение искусственного и дополненного интеллекта в широком спектре стоматологических направлений - от выявления кариеса и заболеваний пародонта до имплантологии, ортопедической стоматологии и анализа цифровых изображений. При этом FDI World Dental Federation подчёркивает, что такие системы должны поддерживать клиническое решение врача, а не подменять его.
Главное различие - в задаче программы: цифровой инструмент получает, отображает или обрабатывает данные, а ИИ-модель анализирует их на основе закономерностей, выявленных при обучении. Поэтому сканер, КЛКТ и CAD/CAM нельзя автоматически называть искусственным интеллектом.
Какие данные может анализировать искусственный интеллект в стоматологии
Искусственный интеллект не обследует пациента самостоятельно - он работает только с теми цифровыми данными, которые ему передали. Основные источники:
Внутриротовые и панорамные рентгенограммы. Алгоритм анализирует изображение по пикселям и ищет участки с признаками, на которые была обучена модель: кариозные поражения, периапикальные изменения, снижение уровня костной ткани и другие рентгенологические признаки.
КЛКТ. Объёмное исследование, состоящее из большого массива последовательных срезов. ИИ здесь чаще всего используется для автоматической сегментации - выделения зубов, нижнечелюстного канала и других анатомических структур, что помогает структурировать большой объём визуальной информации, но не заменяет диагноз.
Внутриротовые сканы. Содержат информацию о геометрии зубных рядов и поверхности мягких тканей в зоне сканирования. Алгоритмы используют их для распознавания зубов, определения их границ, автоматизации измерений и отдельных этапов цифрового моделирования.
Клинические фотографии лица и улыбки. Программа может определять ориентиры лица, положение губ, видимость зубов и геометрические соотношения между структурами - но фотография остаётся двумерным изображением и не содержит информации о функции зубочелюстной системы.
Принципиально важно понимать: ИИ анализирует только те данные, которые были переданы системе. Рентгенограмма не показывает, что пациент испытывает боль при накусывании. Внутриротовой скан не содержит анамнез. Фотография улыбки не отражает состояние костной ткани.
Именно поэтому профессиональные документы American Dental Association отдельно рассматривают ИИ для анализа стоматологических изображений, а стандарты ADA по валидации таких систем уделяют внимание содержанию и разметке исходных данных. FDI World Dental Federation также указывает на качество, репрезентативность и управление данными как на важные условия безопасного применения ИИ в стоматологии.
Внутриротовые и панорамные рентгенограммы. Алгоритм анализирует изображение по пикселям и ищет участки с признаками, на которые была обучена модель: кариозные поражения, периапикальные изменения, снижение уровня костной ткани и другие рентгенологические признаки.
КЛКТ. Объёмное исследование, состоящее из большого массива последовательных срезов. ИИ здесь чаще всего используется для автоматической сегментации - выделения зубов, нижнечелюстного канала и других анатомических структур, что помогает структурировать большой объём визуальной информации, но не заменяет диагноз.
Внутриротовые сканы. Содержат информацию о геометрии зубных рядов и поверхности мягких тканей в зоне сканирования. Алгоритмы используют их для распознавания зубов, определения их границ, автоматизации измерений и отдельных этапов цифрового моделирования.
Клинические фотографии лица и улыбки. Программа может определять ориентиры лица, положение губ, видимость зубов и геометрические соотношения между структурами - но фотография остаётся двумерным изображением и не содержит информации о функции зубочелюстной системы.
Принципиально важно понимать: ИИ анализирует только те данные, которые были переданы системе. Рентгенограмма не показывает, что пациент испытывает боль при накусывании. Внутриротовой скан не содержит анамнез. Фотография улыбки не отражает состояние костной ткани.
Именно поэтому профессиональные документы American Dental Association отдельно рассматривают ИИ для анализа стоматологических изображений, а стандарты ADA по валидации таких систем уделяют внимание содержанию и разметке исходных данных. FDI World Dental Federation также указывает на качество, репрезентативность и управление данными как на важные условия безопасного применения ИИ в стоматологии.
ИИ видит не пациента, а конкретный набор цифровых данных. Рентгенограмма показывает одни признаки, КЛКТ - объёмную анатомию исследованной области, внутриротовой скан - геометрию доступных сканированию поверхностей. Чем полнее и качественнее исходные данные, тем больше информации доступно алгоритму, но ни один отдельный файл не содержит полной клинической картины пациента.
Искусственный интеллект в диагностике: что алгоритм может заметить на снимке
Анализ стоматологических изображений сегодня является одним из наиболее изученных направлений применения искусственного интеллекта в стоматологии. Алгоритм может последовательно оценивать отдельные участки рентгенограммы и отмечать зоны, характеристики которых соответствуют признакам, изученным моделью во время обучения.
В зависимости от назначения конкретной системы ИИ может использоваться для поиска признаков кариозных поражений, периапикальных изменений в области верхушек корней, оценки уровня альвеолярной кости, распознавания зубов и существующих реставраций. Отдельные модели применяются для автоматического выделения анатомических структур и сегментации изображений.
Практическая ценность такого анализа заключается не в том, что компьютер «ставит диагноз вместо стоматолога». Алгоритм может выступать в роли дополнительного уровня проверки и обратить внимание врача на участок изображения, который требует более детальной оценки.
Однако результат работы ИИ всегда необходимо рассматривать через два важных показателя - чувствительность и специфичность. Чувствительность показывает, какую долю действительно существующих изменений система смогла обнаружить. Специфичность отражает способность алгоритма правильно распознавать участки, где исследуемого изменения нет.
Например, опубликованный в 2025 году umbrella review с метаанализом объединил данные 14 систематических обзоров по выявлению кариеса с помощью ИИ. Из 137 первичных исследований только 20 содержали данные, пригодные для метаанализа. Объединённая чувствительность алгоритмов составила 0,85, а специфичность - 0,90.
Это означает, что даже при высоких средних показателях возможны ошибки двух типов. Ложноотрицательный результат возникает, когда изменение существует, но алгоритм его не отмечает. Ложноположительный результат - когда программа выделяет подозрительный участок, хотя исследуемого заболевания в нём нет.
Результаты отдельных исследований также заметно различаются. Систематический обзор 2024 года, посвящённый выявлению кариеса на bitewing-рентгенограммах, включил 14 исследований, при этом объём использованных наборов данных составлял от 112 до 3686 рентгенограмм. Авторы отдельно подчёркивали значительную вариабельность диагностической точности моделей.
Поэтому выделенная алгоритмом область - это ещё не диагноз и не автоматическое показание к лечению. Врач должен сопоставить изображение с клиническим осмотром, симптомами пациента, предыдущими исследованиями и другими диагностическими данными.
В зависимости от назначения конкретной системы ИИ может использоваться для поиска признаков кариозных поражений, периапикальных изменений в области верхушек корней, оценки уровня альвеолярной кости, распознавания зубов и существующих реставраций. Отдельные модели применяются для автоматического выделения анатомических структур и сегментации изображений.
Практическая ценность такого анализа заключается не в том, что компьютер «ставит диагноз вместо стоматолога». Алгоритм может выступать в роли дополнительного уровня проверки и обратить внимание врача на участок изображения, который требует более детальной оценки.
Однако результат работы ИИ всегда необходимо рассматривать через два важных показателя - чувствительность и специфичность. Чувствительность показывает, какую долю действительно существующих изменений система смогла обнаружить. Специфичность отражает способность алгоритма правильно распознавать участки, где исследуемого изменения нет.
Например, опубликованный в 2025 году umbrella review с метаанализом объединил данные 14 систематических обзоров по выявлению кариеса с помощью ИИ. Из 137 первичных исследований только 20 содержали данные, пригодные для метаанализа. Объединённая чувствительность алгоритмов составила 0,85, а специфичность - 0,90.
Это означает, что даже при высоких средних показателях возможны ошибки двух типов. Ложноотрицательный результат возникает, когда изменение существует, но алгоритм его не отмечает. Ложноположительный результат - когда программа выделяет подозрительный участок, хотя исследуемого заболевания в нём нет.
Результаты отдельных исследований также заметно различаются. Систематический обзор 2024 года, посвящённый выявлению кариеса на bitewing-рентгенограммах, включил 14 исследований, при этом объём использованных наборов данных составлял от 112 до 3686 рентгенограмм. Авторы отдельно подчёркивали значительную вариабельность диагностической точности моделей.
Поэтому выделенная алгоритмом область - это ещё не диагноз и не автоматическое показание к лечению. Врач должен сопоставить изображение с клиническим осмотром, симптомами пациента, предыдущими исследованиями и другими диагностическими данными.
По данным метаанализа 2025 года, объединённая чувствительность ИИ при выявлении кариеса составила 85%, специфичность - 90%. Это высокие показатели, но они одновременно показывают главное ограничение технологии: алгоритм может как пропустить существующее изменение, так и отметить участок без заболевания. Поэтому результат ИИ требует клинической интерпретации врачом.
Может ли искусственный интеллект ошибаться
Да. Причём ошибка искусственного интеллекта не всегда связана с тем, что алгоритм «плохо работает». Результат зависит от качества исходных данных, особенностей обучения модели и условий, в которых её используют.
Первая причина - качество изображения. Размытый снимок, неправильное позиционирование пациента, металлические артефакты или недостаточная визуализация исследуемой области могут изменить данные, которые получает алгоритм. Компьютер анализирует представленное изображение и не может самостоятельно повторить исследование, если оно выполнено некорректно.
Вторая причина - разметка обучающих данных. Чтобы научить модель распознавать определённое изменение, исследователи используют изображения, для которых заранее определён правильный ответ. Если критерии разметки различаются или исходная оценка содержит ошибки, это влияет на обучение алгоритма.
Третья проблема - состав обучающей выборки. Представим систему, которая преимущественно обучалась на снимках определённого типа, полученных на ограниченном количестве аппаратов и в нескольких медицинских центрах. Высокая точность внутри такого набора данных ещё не означает, что модель покажет тот же результат при анализе изображений из другой клиники.
Именно для этого существует внешняя валидация - проверка алгоритма на независимых данных, которые не использовались при его обучении. Систематический обзор 2025 года по ИИ-системам диагностической поддержки в стоматологии указывает, что для более широкого клинического внедрения необходимы стандартизация методов, многоцентровые исследования и проверка моделей на различных популяциях пациентов.
Позиционный документ FDI также прямо связывает качество стоматологического ИИ с качеством данных. При ограниченной репрезентативности исходных наборов возможны алгоритмическая предвзятость и снижение эффективности модели при переносе в другие клинические условия.
Есть и ещё одна причина ошибки - избыточное доверие человека к автоматическому результату. Если программа выделила участок на снимке или предложила вариант цифрового планирования, врачу психологически проще согласиться с готовым ответом. Поэтому опасность заключается не только в ошибке алгоритма, но и в ситуации, когда результат ИИ принимается без независимой клинической проверки.
Первая причина - качество изображения. Размытый снимок, неправильное позиционирование пациента, металлические артефакты или недостаточная визуализация исследуемой области могут изменить данные, которые получает алгоритм. Компьютер анализирует представленное изображение и не может самостоятельно повторить исследование, если оно выполнено некорректно.
Вторая причина - разметка обучающих данных. Чтобы научить модель распознавать определённое изменение, исследователи используют изображения, для которых заранее определён правильный ответ. Если критерии разметки различаются или исходная оценка содержит ошибки, это влияет на обучение алгоритма.
Третья проблема - состав обучающей выборки. Представим систему, которая преимущественно обучалась на снимках определённого типа, полученных на ограниченном количестве аппаратов и в нескольких медицинских центрах. Высокая точность внутри такого набора данных ещё не означает, что модель покажет тот же результат при анализе изображений из другой клиники.
Именно для этого существует внешняя валидация - проверка алгоритма на независимых данных, которые не использовались при его обучении. Систематический обзор 2025 года по ИИ-системам диагностической поддержки в стоматологии указывает, что для более широкого клинического внедрения необходимы стандартизация методов, многоцентровые исследования и проверка моделей на различных популяциях пациентов.
Позиционный документ FDI также прямо связывает качество стоматологического ИИ с качеством данных. При ограниченной репрезентативности исходных наборов возможны алгоритмическая предвзятость и снижение эффективности модели при переносе в другие клинические условия.
Есть и ещё одна причина ошибки - избыточное доверие человека к автоматическому результату. Если программа выделила участок на снимке или предложила вариант цифрового планирования, врачу психологически проще согласиться с готовым ответом. Поэтому опасность заключается не только в ошибке алгоритма, но и в ситуации, когда результат ИИ принимается без независимой клинической проверки.
Высокая точность ИИ в одном исследовании не гарантирует такую же работу на данных другой клиники. На результат влияют качество снимка, разметка и состав обучающей выборки, а для переноса модели в реальную практику необходима внешняя валидация на независимых данных. Поэтому автоматический результат должен проверяться врачом, а не приниматься как готовое клиническое решение.
Как искусственный интеллект участвует в планировании лечения
Обнаружить изменение на снимке и решить, что с ним делать, - две разные задачи. Именно на этапе планирования лечения возможности искусственного интеллекта часто переоценивают.
Допустим, алгоритм отметил участок возможного кариозного поражения, снижение уровня костной ткани или изменение в области верхушки корня. Эта информация сама по себе ещё не определяет лечение. Для клинического решения врачу необходимо понять, есть ли у пациента жалобы, как давно существует изменение, проводилось ли лечение этого зуба раньше, в каком состоянии находятся окружающие ткани и какое значение зуб имеет для общего плана восстановления.
Особенно хорошо это видно в ортопедической стоматологии. Один и тот же разрушенный зуб у разных пациентов может рассматриваться совершенно по-разному. В одном случае возможно его восстановление коронкой. В другом потребуется предварительное эндодонтическое лечение. В третьем прогноз зуба может быть неблагоприятным, и врач будет обсуждать его удаление с последующим восстановлением дефекта. На решение влияют объём сохранившихся тканей зуба, состояние корня и пародонта, положение зуба, характер нагрузки и план лечения всей зубочелюстной системы.
ИИ-системы могут помогать анализировать отдельные параметры, автоматически выполнять измерения, выделять анатомические структуры и сопоставлять цифровые данные. В некоторых направлениях стоматологии алгоритмы уже исследуются как системы поддержки клинических решений. Но даже в таких системах компьютер работает в пределах конкретной задачи, для которой была разработана и обучена модель.
Это принципиальное ограничение. Алгоритм, созданный для анализа рентгенологических изображений, не получает автоматически информацию о мотивации пациента, его предыдущем опыте лечения или готовности пройти многоэтапное восстановление. Он также не может самостоятельно определить, какой компромисс между прогнозом, объёмом вмешательства, сроками и ожиданиями приемлем для конкретного человека.
В техническом отчёте American Dental Association о системах анализа стоматологических изображений ИИ рассматривается именно как инструмент clinical decision support - поддержки клинического решения. В документе отдельно подчёркивается необходимость сохранять автономность клинического суждения врача. Позиция FDI World Dental Federation также указывает на необходимость использовать ИИ с учётом его рисков и ограничений.
Допустим, алгоритм отметил участок возможного кариозного поражения, снижение уровня костной ткани или изменение в области верхушки корня. Эта информация сама по себе ещё не определяет лечение. Для клинического решения врачу необходимо понять, есть ли у пациента жалобы, как давно существует изменение, проводилось ли лечение этого зуба раньше, в каком состоянии находятся окружающие ткани и какое значение зуб имеет для общего плана восстановления.
Особенно хорошо это видно в ортопедической стоматологии. Один и тот же разрушенный зуб у разных пациентов может рассматриваться совершенно по-разному. В одном случае возможно его восстановление коронкой. В другом потребуется предварительное эндодонтическое лечение. В третьем прогноз зуба может быть неблагоприятным, и врач будет обсуждать его удаление с последующим восстановлением дефекта. На решение влияют объём сохранившихся тканей зуба, состояние корня и пародонта, положение зуба, характер нагрузки и план лечения всей зубочелюстной системы.
ИИ-системы могут помогать анализировать отдельные параметры, автоматически выполнять измерения, выделять анатомические структуры и сопоставлять цифровые данные. В некоторых направлениях стоматологии алгоритмы уже исследуются как системы поддержки клинических решений. Но даже в таких системах компьютер работает в пределах конкретной задачи, для которой была разработана и обучена модель.
Это принципиальное ограничение. Алгоритм, созданный для анализа рентгенологических изображений, не получает автоматически информацию о мотивации пациента, его предыдущем опыте лечения или готовности пройти многоэтапное восстановление. Он также не может самостоятельно определить, какой компромисс между прогнозом, объёмом вмешательства, сроками и ожиданиями приемлем для конкретного человека.
В техническом отчёте American Dental Association о системах анализа стоматологических изображений ИИ рассматривается именно как инструмент clinical decision support - поддержки клинического решения. В документе отдельно подчёркивается необходимость сохранять автономность клинического суждения врача. Позиция FDI World Dental Federation также указывает на необходимость использовать ИИ с учётом его рисков и ограничений.
ИИ может анализировать отдельные параметры и поддерживать принятие решения, но «обнаружено изменение» не означает «определён план лечения». Между этими этапами остаётся клиническая оценка врача: прогноз зуба, состояние окружающих тканей, функция, объём вмешательства и общий план восстановления зубочелюстной системы.
Искусственный интеллект и планирование имплантации
Имплантация часто приводится как пример лечения, которое уже можно полностью спланировать с помощью искусственного интеллекта. На практике цифровой протокол состоит из нескольких разных технологий, и ИИ является только одной из возможных его частей.
Основным источником информации о костной анатомии остаётся КЛКТ: врач оценивает высоту и ширину костной ткани, форму альвеолярного отростка, положение нижнечелюстного канала, дна верхнечелюстной пазухи и других анатомически важных структур. Внутриротовой скан, в свою очередь, даёт цифровую модель зубных рядов и мягких тканей в зоне сканирования. При цифровом планировании эти данные совмещаются, и на основании утверждённого плана может быть изготовлен хирургический шаблон.
Совмещение КЛКТ и скана, виртуальная установка имплантата и изготовление шаблона сами по себе не означают использование искусственного интеллекта - эти этапы существовали в цифровой имплантологии и до активного внедрения современных ИИ-моделей.
Основным источником информации о костной анатомии остаётся КЛКТ: врач оценивает высоту и ширину костной ткани, форму альвеолярного отростка, положение нижнечелюстного канала, дна верхнечелюстной пазухи и других анатомически важных структур. Внутриротовой скан, в свою очередь, даёт цифровую модель зубных рядов и мягких тканей в зоне сканирования. При цифровом планировании эти данные совмещаются, и на основании утверждённого плана может быть изготовлен хирургический шаблон.
Совмещение КЛКТ и скана, виртуальная установка имплантата и изготовление шаблона сами по себе не означают использование искусственного интеллекта - эти этапы существовали в цифровой имплантологии и до активного внедрения современных ИИ-моделей.
Где же действительно может использоваться ИИ
Автоматическая сегментация КЛКТ
- Автоматическая сегментация КЛКТ - выделение зубов, костных структур, нижнечелюстного канала. Исследование 2024 года показало, что сегментация канала может быть быстрым и надёжным инструментом предоперационного планирования, но авторы отдельно указали: результат необходимо проверять, поскольку в отдельных случаях требуется ручная коррекция для предотвращения клинически значимых ошибок.
Анализ беззубых участков и измерение параметров костной ткани на КЛКТ
- Анализ беззубых участков и измерение параметров костной ткани на КЛКТ - систематический обзор показал, что модели способны определять области отсутствующих зубов и выполнять измерения, но авторы пришли к выводу, что для повышения точности, обобщаемости и клинической применимости таких систем необходимы дополнительные качественные исследования.
Автоматическое виртуальное позиционирование имплантата
- Автоматическое виртуальное позиционирование имплантата - в клиническом исследовании 2025 года такие ИИ-инструменты показали точность, сопоставимую или более высокую по сравнению с ручным цифровым планированием, и позволяли сократить время работы как опытных, так и менее опытных пользователей. Авторы при этом подчёркивают необходимость исследований на большем количестве программ и наборов данных, прежде чем результаты можно будет широко обобщать.
Поэтому фраза «ИИ подбирает имплант и решает, куда его установить» слишком упрощает реальный процесс. Алгоритм может автоматически выделить анатомические структуры, выполнить отдельные измерения или предложить вариант виртуального планирования. Но врач должен проверить корректность распознавания анатомии и оценить предложенное положение имплантата в контексте всей клинической ситуации и будущей ортопедической конструкции.
По данным исследований 2024–2025 годов, ИИ уже применяется для автоматической сегментации анатомических структур на КЛКТ, измерения костной ткани и автоматизации отдельных этапов виртуального позиционирования имплантатов. Однако систематические обзоры прямо указывают на необходимость проверки результатов и дальнейшей клинической валидации. ИИ может ускорить отдельные этапы планирования имплантации, но утверждение окончательного положения имплантата остаётся задачей врача.
Роль искусственного интеллекта в ортопедической стоматологии
В ортопедической стоматологии результат лечения зависит не только от изготовления коронки, винира или мостовидной конструкции. До этого необходимо оценить состояние опорных зубов, определить границы будущей реставрации, проанализировать пространство для конструкции, положение соседних и противоположных зубов и характер окклюзионных контактов.
После внутриротового сканирования врач и зубной техник получают цифровую модель зубных рядов. В традиционном CAD-процессе техник самостоятельно обозначает или корректирует границу препарирования, выбирает исходную форму зуба из библиотеки и последовательно моделирует будущую реставрацию. Программа помогает выполнять расчёты и контролировать заданные параметры, но значительная часть решений принимается человеком.
ИИ-инструменты постепенно автоматизируют отдельные этапы этой работы. Алгоритмы могут распознавать зубы на цифровой модели, выполнять сегментацию, предлагать начальную анатомическую форму коронки и анализировать пространственное отношение реставрации к соседним и противоположным зубам. В результате врач или техник получает не пустое цифровое пространство для моделирования, а предварительно сформированный вариант конструкции, который можно оценить и скорректировать.
Наиболее конкретные данные сегодня получены для автоматизированного дизайна одиночных коронок. Исследование 2025 года, сравнивавшее CAD-систему с ИИ и обычное ручное цифровое моделирование, показало: автоматический дизайн занимал у ИИ-системы существенно меньше времени, чем ручное моделирование - независимо от опыта техника разница была многократной. Авторы также отметили более стабильное время работы ИИ-системы вне зависимости от квалификации пользователя.
Однако скорость создания цифровой формы ещё не означает, что предложенная коронка автоматически является окончательной. В другом исследовании 2024 года ИИ-система действительно повысила эффективность проектирования коронок, но по точности воспроизведения морфологии не превзошла работу опытных зубных техников с обычным CAD. Авторы указали на необходимость дальнейшего совершенствования точности и стабильности автоматического дизайна.
Это особенно важно при сложном ортопедическом лечении. Форма одной коронки может быть предложена алгоритмом на основании окружающей анатомии. Но при восстановлении нескольких зубов врачу необходимо учитывать общий план лечения, положение режущих краёв, окклюзионную схему, объём сохранившихся тканей, материал будущих конструкций и последовательность ортопедических этапов.
Поэтому ИИ сегодня правильнее рассматривать как инструмент предварительного анализа и автоматизации части CAD-процесса. Он может значительно сократить время выполнения повторяющихся цифровых операций, но клиническая оценка конструкции и её соответствие общему плану протезирования остаются задачей врача-ортопеда и зубного техника.
После внутриротового сканирования врач и зубной техник получают цифровую модель зубных рядов. В традиционном CAD-процессе техник самостоятельно обозначает или корректирует границу препарирования, выбирает исходную форму зуба из библиотеки и последовательно моделирует будущую реставрацию. Программа помогает выполнять расчёты и контролировать заданные параметры, но значительная часть решений принимается человеком.
ИИ-инструменты постепенно автоматизируют отдельные этапы этой работы. Алгоритмы могут распознавать зубы на цифровой модели, выполнять сегментацию, предлагать начальную анатомическую форму коронки и анализировать пространственное отношение реставрации к соседним и противоположным зубам. В результате врач или техник получает не пустое цифровое пространство для моделирования, а предварительно сформированный вариант конструкции, который можно оценить и скорректировать.
Наиболее конкретные данные сегодня получены для автоматизированного дизайна одиночных коронок. Исследование 2025 года, сравнивавшее CAD-систему с ИИ и обычное ручное цифровое моделирование, показало: автоматический дизайн занимал у ИИ-системы существенно меньше времени, чем ручное моделирование - независимо от опыта техника разница была многократной. Авторы также отметили более стабильное время работы ИИ-системы вне зависимости от квалификации пользователя.
Однако скорость создания цифровой формы ещё не означает, что предложенная коронка автоматически является окончательной. В другом исследовании 2024 года ИИ-система действительно повысила эффективность проектирования коронок, но по точности воспроизведения морфологии не превзошла работу опытных зубных техников с обычным CAD. Авторы указали на необходимость дальнейшего совершенствования точности и стабильности автоматического дизайна.
Это особенно важно при сложном ортопедическом лечении. Форма одной коронки может быть предложена алгоритмом на основании окружающей анатомии. Но при восстановлении нескольких зубов врачу необходимо учитывать общий план лечения, положение режущих краёв, окклюзионную схему, объём сохранившихся тканей, материал будущих конструкций и последовательность ортопедических этапов.
Поэтому ИИ сегодня правильнее рассматривать как инструмент предварительного анализа и автоматизации части CAD-процесса. Он может значительно сократить время выполнения повторяющихся цифровых операций, но клиническая оценка конструкции и её соответствие общему плану протезирования остаются задачей врача-ортопеда и зубного техника.
По данным исследования 2025 года, автоматический ИИ-дизайн коронки занимает в разы меньше времени, чем ручное CAD-моделирование, причём время работы ИИ-системы стабильно независимо от опыта техника. При этом исследование 2024 года показало, что по точности морфологии ИИ ещё не превзошёл опытных зубных техников. Сегодня основное преимущество ИИ в ортопедической стоматологии - скорость и автоматизация начального дизайна, а не самостоятельное принятие окончательного решения о форме реставрации.
ИИ, CAD/CAM и цифровой дизайн улыбки - это не одно и то же
В описании современной стоматологии часто можно встретить фразы «ИИ создаёт коронки», «искусственный интеллект моделирует улыбку» или «компьютер автоматически планирует лечение». Проблема таких формулировок в том, что под одним термином объединяются технологии с совершенно разными задачами.
Искусственный интеллект анализирует данные с помощью обученной модели. В зависимости от назначения алгоритма он может распознавать определённые признаки на изображении, выделять анатомические структуры или предлагать предварительный вариант цифровой формы реставрации. Его основная задача - найти закономерности в данных и выдать результат анализа или прогноз в пределах конкретной модели.
CAD/CAM - это система цифрового проектирования и изготовления конструкций. Аббревиатура происходит от Computer-Aided Design и Computer-Aided Manufacturing. В стоматологии CAD используется для моделирования коронок, виниров, вкладок и мостовидных конструкций, а CAM - для их последующего изготовления, например фрезерования или аддитивного производства. CAD/CAM существует значительно дольше современных стоматологических ИИ-систем и может работать без искусственного интеллекта.
Цифровой дизайн улыбки решает другую задачу. Фотографии лица и улыбки, цифровые модели зубов и другие клинические данные используются для планирования предполагаемых изменений формы, длины и положения зубов. Врач оценивает соотношение зубов с губами и лицом и формирует концепцию будущего восстановления. Некоторые современные программы могут включать автоматические алгоритмы распознавания ориентиров или генерации предварительного дизайна, но сам цифровой дизайн улыбки не является синонимом искусственного интеллекта.
На практике эти технологии могут использоваться последовательно. Например, врач выполняет внутриротовое сканирование, получает цифровую модель зубных рядов, планирует форму будущих реставраций, а затем передаёт данные в CAD/CAM-процесс для изготовления конструкций. На отдельных этапах программа может использовать ИИ для автоматического распознавания зубов или создания начального варианта формы коронки.
Именно поэтому наличие цифрового сканера или CAD/CAM-системы в клинике ещё ничего не говорит об использовании искусственного интеллекта. Чтобы понять роль ИИ, необходимо задать более конкретный вопрос: какую именно задачу выполняет алгоритм и на основании каких данных он формирует результат?
Искусственный интеллект анализирует данные с помощью обученной модели. В зависимости от назначения алгоритма он может распознавать определённые признаки на изображении, выделять анатомические структуры или предлагать предварительный вариант цифровой формы реставрации. Его основная задача - найти закономерности в данных и выдать результат анализа или прогноз в пределах конкретной модели.
CAD/CAM - это система цифрового проектирования и изготовления конструкций. Аббревиатура происходит от Computer-Aided Design и Computer-Aided Manufacturing. В стоматологии CAD используется для моделирования коронок, виниров, вкладок и мостовидных конструкций, а CAM - для их последующего изготовления, например фрезерования или аддитивного производства. CAD/CAM существует значительно дольше современных стоматологических ИИ-систем и может работать без искусственного интеллекта.
Цифровой дизайн улыбки решает другую задачу. Фотографии лица и улыбки, цифровые модели зубов и другие клинические данные используются для планирования предполагаемых изменений формы, длины и положения зубов. Врач оценивает соотношение зубов с губами и лицом и формирует концепцию будущего восстановления. Некоторые современные программы могут включать автоматические алгоритмы распознавания ориентиров или генерации предварительного дизайна, но сам цифровой дизайн улыбки не является синонимом искусственного интеллекта.
На практике эти технологии могут использоваться последовательно. Например, врач выполняет внутриротовое сканирование, получает цифровую модель зубных рядов, планирует форму будущих реставраций, а затем передаёт данные в CAD/CAM-процесс для изготовления конструкций. На отдельных этапах программа может использовать ИИ для автоматического распознавания зубов или создания начального варианта формы коронки.
Именно поэтому наличие цифрового сканера или CAD/CAM-системы в клинике ещё ничего не говорит об использовании искусственного интеллекта. Чтобы понять роль ИИ, необходимо задать более конкретный вопрос: какую именно задачу выполняет алгоритм и на основании каких данных он формирует результат?
CAD/CAM используется для цифрового проектирования и изготовления реставраций, цифровой дизайн улыбки - для планирования предполагаемых эстетических изменений, а ИИ - для анализа данных и автоматизации отдельных задач с помощью обученных моделей. Эти технологии могут работать вместе, но одна не является синонимом другой.
Можно ли увидеть будущий результат лечения до его начала
Современное цифровое планирование действительно позволяет заранее показать пациенту предполагаемые изменения формы и положения зубов. Однако важно правильно понимать, что именно демонстрирует такая визуализация.
Самый простой вариант - цифровое изображение будущей улыбки на фотографии. Программа изменяет контуры зубов, их длину или пропорции и позволяет приблизительно оценить, как предполагаемые изменения будут сочетаться с лицом и губами. Такая визуализация удобна для обсуждения концепции лечения, но остаётся двумерным изображением.
Более точный этап - цифровой или аналоговый wax-up. Врач и зубной техник создают модель предполагаемой формы будущих зубов. При цифровом протоколе моделирование выполняется на виртуальной модели зубных рядов. Это позволяет оценить размеры реставраций, положение режущих краёв и взаимоотношение будущих конструкций с соседними зубами.
На основании wax-up в некоторых клинических ситуациях можно изготовить mock-up - временную переносимую модель будущей формы зубов. Специальный материал переносится в полость рта, и пациент может увидеть предполагаемые изменения уже не на экране, а непосредственно на своих зубах.
Mock-up позволяет врачу оценить не только внешний вид. Можно посмотреть, как новая форма зубов воспринимается при улыбке и разговоре, оценить положение режущих краёв и получить первичное представление о том, насколько комфортно пациент воспринимает запланированные изменения.
Исследование 2024 года, сравнивавшее восприятие виртуального дизайна улыбки и физического mock-up, показало различия в оценке результата пациентами и стоматологами. Авторы пришли к выводу, что цифровая визуализация и mock-up дают разный тип информации и могут дополнять друг друга при обсуждении эстетического лечения.
Искусственный интеллект может использоваться для автоматического распознавания ориентиров лица, сегментации зубов или генерации предварительного варианта дизайна. Но даже очень реалистичное изображение на экране остаётся компьютерной моделью. Оно не способно полностью воспроизвести биологическую реакцию тканей, особенности заживления или все изменения, которые могут возникнуть во время лечения.
Поэтому врачу важно объяснить пациенту разницу между визуализацией плана и обещанием результата. Цифровая модель помогает обсуждать направление лечения и согласовывать форму будущих реставраций, но не является фотографией гарантированного результата.
Самый простой вариант - цифровое изображение будущей улыбки на фотографии. Программа изменяет контуры зубов, их длину или пропорции и позволяет приблизительно оценить, как предполагаемые изменения будут сочетаться с лицом и губами. Такая визуализация удобна для обсуждения концепции лечения, но остаётся двумерным изображением.
Более точный этап - цифровой или аналоговый wax-up. Врач и зубной техник создают модель предполагаемой формы будущих зубов. При цифровом протоколе моделирование выполняется на виртуальной модели зубных рядов. Это позволяет оценить размеры реставраций, положение режущих краёв и взаимоотношение будущих конструкций с соседними зубами.
На основании wax-up в некоторых клинических ситуациях можно изготовить mock-up - временную переносимую модель будущей формы зубов. Специальный материал переносится в полость рта, и пациент может увидеть предполагаемые изменения уже не на экране, а непосредственно на своих зубах.
Mock-up позволяет врачу оценить не только внешний вид. Можно посмотреть, как новая форма зубов воспринимается при улыбке и разговоре, оценить положение режущих краёв и получить первичное представление о том, насколько комфортно пациент воспринимает запланированные изменения.
Исследование 2024 года, сравнивавшее восприятие виртуального дизайна улыбки и физического mock-up, показало различия в оценке результата пациентами и стоматологами. Авторы пришли к выводу, что цифровая визуализация и mock-up дают разный тип информации и могут дополнять друг друга при обсуждении эстетического лечения.
Искусственный интеллект может использоваться для автоматического распознавания ориентиров лица, сегментации зубов или генерации предварительного варианта дизайна. Но даже очень реалистичное изображение на экране остаётся компьютерной моделью. Оно не способно полностью воспроизвести биологическую реакцию тканей, особенности заживления или все изменения, которые могут возникнуть во время лечения.
Поэтому врачу важно объяснить пациенту разницу между визуализацией плана и обещанием результата. Цифровая модель помогает обсуждать направление лечения и согласовывать форму будущих реставраций, но не является фотографией гарантированного результата.
Цифровая визуализация показывает предполагаемое направление изменений, wax-up моделирует будущую форму зубов, а mock-up позволяет временно перенести эту форму в полость рта. Исследования показывают, что виртуальный дизайн и физический mock-up дают пациенту разную информацию. Поэтому цифровое изображение будущей улыбки следует рассматривать как инструмент планирования и обсуждения, а не как гарантию точного совпадения с окончательным результатом.
Как выглядит цифровое планирование лечения на практике
Цифровое планирование начинается не с искусственного интеллекта и не с компьютерной программы. Первый этап - консультация и клиническое обследование. Врач выясняет жалобы пациента, историю предыдущего лечения и ожидаемый результат, оценивает состояние зубов, слизистой оболочки и тканей пародонта.
После этого формируется необходимый набор диагностических данных. Он зависит от клинической задачи. При ортопедическом лечении может выполняться фотопротокол и внутриротовое сканирование. Рентгенологические исследования проводятся при наличии показаний. Если планируется имплантация или необходимо оценить объёмную анатомию исследуемой области, врач может назначить КЛКТ.
Следующий этап - анализ и сопоставление полученной информации. Цифровые модели позволяют оценить зубные ряды и пространство для будущих реставраций. Фотографии помогают анализировать улыбку и положение зубов относительно лица и губ. Рентгенологические данные дают информацию о структурах, которые невозможно оценить по поверхности зубов.
Именно на этом этапе в рабочий процесс могут включаться ИИ-инструменты. В зависимости от используемой системы алгоритм способен автоматически выделять определённые структуры на изображениях, выполнять отдельные измерения, распознавать зубы на цифровой модели или формировать предварительный вариант дизайна реставрации.
После компьютерного анализа врач оценивает полученные результаты и формирует клинический план. При сложном лечении данные могут обсуждаться с хирургом, ортодонтом, терапевтом и зубным техником. Если существует несколько вариантов восстановления, пациенту объясняют различия между ними, предполагаемую последовательность этапов и ограничения каждого подхода.
В ортопедической стоматологии далее может выполняться диагностическое моделирование - wax-up. При необходимости запланированную форму временно переносят в полость рта с помощью mock-up. После оценки и коррекции проекта утверждается окончательная концепция лечения.
Таким образом, цифровое планирование представляет собой не одно действие программы, а последовательность этапов:
После этого формируется необходимый набор диагностических данных. Он зависит от клинической задачи. При ортопедическом лечении может выполняться фотопротокол и внутриротовое сканирование. Рентгенологические исследования проводятся при наличии показаний. Если планируется имплантация или необходимо оценить объёмную анатомию исследуемой области, врач может назначить КЛКТ.
Следующий этап - анализ и сопоставление полученной информации. Цифровые модели позволяют оценить зубные ряды и пространство для будущих реставраций. Фотографии помогают анализировать улыбку и положение зубов относительно лица и губ. Рентгенологические данные дают информацию о структурах, которые невозможно оценить по поверхности зубов.
Именно на этом этапе в рабочий процесс могут включаться ИИ-инструменты. В зависимости от используемой системы алгоритм способен автоматически выделять определённые структуры на изображениях, выполнять отдельные измерения, распознавать зубы на цифровой модели или формировать предварительный вариант дизайна реставрации.
После компьютерного анализа врач оценивает полученные результаты и формирует клинический план. При сложном лечении данные могут обсуждаться с хирургом, ортодонтом, терапевтом и зубным техником. Если существует несколько вариантов восстановления, пациенту объясняют различия между ними, предполагаемую последовательность этапов и ограничения каждого подхода.
В ортопедической стоматологии далее может выполняться диагностическое моделирование - wax-up. При необходимости запланированную форму временно переносят в полость рта с помощью mock-up. После оценки и коррекции проекта утверждается окончательная концепция лечения.
Таким образом, цифровое планирование представляет собой не одно действие программы, а последовательность этапов:
- Консультация и клиническое обследование
- Сбор необходимых цифровых и диагностических данных
- Анализ и сопоставление информации
- Применение автоматизированных или ИИ-инструментов для отдельных задач
- Клиническая интерпретация результатов врачом
- Обсуждение вариантов лечения
- Диагностическое моделирование и коррекция плана
- Реализация лечения и контроль
ИИ занимает только отдельные участки цифрового рабочего процесса. Он может использоваться на этапе анализа снимков, сегментации, измерений или предварительного моделирования. Но клинический процесс начинается с обследования пациента и заканчивается контролем лечения - эти этапы не сводятся к работе алгоритма.
Что искусственный интеллект пока не умеет
Главное ограничение искусственного интеллекта связано не только с точностью алгоритмов. Проблема значительно шире: ИИ работает с теми данными, которые были переведены в цифровую форму и переданы конкретной системе. Часть клинической информации при этом остаётся за пределами компьютерного анализа.
Например, на рентгенограмме можно увидеть определённые изменения в области зуба, но по самому изображению невозможно оценить характер боли. Для врача имеет значение, возникает ли она самостоятельно или только при накусывании, продолжается несколько секунд или сохраняется длительное время, появилась недавно или беспокоит пациента уже несколько месяцев.
ИИ также не выполняет полноценное физическое обследование. В стоматологии врач использует пальпацию, перкуссию, оценку подвижности зубов, зондирование пародонтальных карманов, функциональные пробы и другие методы. Результаты части таких исследований можно внести в цифровую карту, но алгоритм не получает их автоматически из рентгеновского снимка или внутриротового скана.
Особенно сложно формализовать клинический прогноз. Два зуба с похожей рентгенологической картиной могут иметь разное значение в плане лечения. Один может быть отдельным зубом с благоприятным распределением нагрузки. Другой - потенциальной опорой протяжённой ортопедической конструкции. В этом случае последствия ошибочной оценки прогноза будут различаться.
Не менее важна функция. Статическая цифровая модель показывает положение зубов в определённый момент, но жевательный аппарат работает в движении. Нижняя челюсть перемещается, зубы контактируют, мышцы создают нагрузку, а пациент адаптируется к изменениям формы зубных рядов. Часть этих параметров можно регистрировать цифровыми методами, однако их комплексная клиническая интерпретация остаётся сложной задачей.
ИИ не способен самостоятельно обсудить с пациентом допустимый объём вмешательства и определить, какой вариант лечения соответствует его приоритетам. Для одного человека важнее максимально сохранить собственные ткани зуба. Для другого существенным ограничением могут быть сроки многоэтапного лечения. Эти обстоятельства влияют на выбор между клинически допустимыми вариантами, но не определяются одной математической моделью.
Позиция FDI World Dental Federation подчёркивает, что ИИ должен поддерживать профессиональное принятие решений, сохраняя клиническую автономию стоматолога. В политическом заявлении FDI также отдельно отмечены вопросы качества данных, алгоритмической предвзятости, прозрачности и ответственности при использовании ИИ в стоматологии.
Например, на рентгенограмме можно увидеть определённые изменения в области зуба, но по самому изображению невозможно оценить характер боли. Для врача имеет значение, возникает ли она самостоятельно или только при накусывании, продолжается несколько секунд или сохраняется длительное время, появилась недавно или беспокоит пациента уже несколько месяцев.
ИИ также не выполняет полноценное физическое обследование. В стоматологии врач использует пальпацию, перкуссию, оценку подвижности зубов, зондирование пародонтальных карманов, функциональные пробы и другие методы. Результаты части таких исследований можно внести в цифровую карту, но алгоритм не получает их автоматически из рентгеновского снимка или внутриротового скана.
Особенно сложно формализовать клинический прогноз. Два зуба с похожей рентгенологической картиной могут иметь разное значение в плане лечения. Один может быть отдельным зубом с благоприятным распределением нагрузки. Другой - потенциальной опорой протяжённой ортопедической конструкции. В этом случае последствия ошибочной оценки прогноза будут различаться.
Не менее важна функция. Статическая цифровая модель показывает положение зубов в определённый момент, но жевательный аппарат работает в движении. Нижняя челюсть перемещается, зубы контактируют, мышцы создают нагрузку, а пациент адаптируется к изменениям формы зубных рядов. Часть этих параметров можно регистрировать цифровыми методами, однако их комплексная клиническая интерпретация остаётся сложной задачей.
ИИ не способен самостоятельно обсудить с пациентом допустимый объём вмешательства и определить, какой вариант лечения соответствует его приоритетам. Для одного человека важнее максимально сохранить собственные ткани зуба. Для другого существенным ограничением могут быть сроки многоэтапного лечения. Эти обстоятельства влияют на выбор между клинически допустимыми вариантами, но не определяются одной математической моделью.
Позиция FDI World Dental Federation подчёркивает, что ИИ должен поддерживать профессиональное принятие решений, сохраняя клиническую автономию стоматолога. В политическом заявлении FDI также отдельно отмечены вопросы качества данных, алгоритмической предвзятости, прозрачности и ответственности при использовании ИИ в стоматологии.
Рентгенограмма не передаёт характер боли, внутриротовой скан не определяет прогноз зуба, а цифровая модель сама по себе не объясняет, как пациент адаптируется к изменению функции. ИИ может анализировать формализованные данные, но значительная часть клинического решения формируется из осмотра, функциональной оценки и обсуждения лечения с пациентом.
Что использование искусственного интеллекта меняет для пациента
Для пациента искусственный интеллект чаще всего остаётся незаметной частью цифрового процесса. Человек может пройти обычную консультацию, сделать рентгенологическое исследование или внутриротовое сканирование и даже не видеть, какие программные инструменты врач использует при анализе полученных данных.
Практическая польза ИИ прежде всего связана с обработкой информации. Стоматологические исследования содержат большое количество цифровых данных, а специализированный алгоритм может последовательно анализировать изображение и отмечать участки, соответствующие заданным критериям. Для врача это дополнительный уровень проверки, а для пациента - возможность более структурированного обсуждения результатов диагностики.
Отдельное значение имеет наглядность. Если программа выделяет определённую область на рентгенограмме, сегментирует анатомические структуры или формирует предварительную цифровую модель, врачу проще показать пациенту, какой участок требует внимания и почему рассматривается тот или иной вариант лечения.
ИИ также способен сокращать время отдельных технических операций. Начальный вариант цифровой формы реставрации может создаваться алгоритмом за существенно меньшее время, чем при ручном моделировании. Экономия времени на повторяющихся цифровых действиях позволяет специалисту быстрее перейти к оценке и коррекции предложенного варианта.
Однако пациенту важно не ориентироваться только на сам факт использования искусственного интеллекта. Наличие ИИ-программы не является самостоятельным показателем качества стоматологического лечения. Один и тот же алгоритм может использоваться в разных клинических условиях, а его результат зависит от качества исходных данных и последующей интерпретации.
Поэтому более важный вопрос - не «использует ли клиника искусственный интеллект», а как врач проверяет полученные результаты и каким образом они влияют на план лечения. Если автоматический анализ невозможно объяснить в контексте клинической ситуации пациента, сам по себе технологичный интерфейс программы не делает решение более обоснованным.
Практическая польза ИИ прежде всего связана с обработкой информации. Стоматологические исследования содержат большое количество цифровых данных, а специализированный алгоритм может последовательно анализировать изображение и отмечать участки, соответствующие заданным критериям. Для врача это дополнительный уровень проверки, а для пациента - возможность более структурированного обсуждения результатов диагностики.
Отдельное значение имеет наглядность. Если программа выделяет определённую область на рентгенограмме, сегментирует анатомические структуры или формирует предварительную цифровую модель, врачу проще показать пациенту, какой участок требует внимания и почему рассматривается тот или иной вариант лечения.
ИИ также способен сокращать время отдельных технических операций. Начальный вариант цифровой формы реставрации может создаваться алгоритмом за существенно меньшее время, чем при ручном моделировании. Экономия времени на повторяющихся цифровых действиях позволяет специалисту быстрее перейти к оценке и коррекции предложенного варианта.
Однако пациенту важно не ориентироваться только на сам факт использования искусственного интеллекта. Наличие ИИ-программы не является самостоятельным показателем качества стоматологического лечения. Один и тот же алгоритм может использоваться в разных клинических условиях, а его результат зависит от качества исходных данных и последующей интерпретации.
Поэтому более важный вопрос - не «использует ли клиника искусственный интеллект», а как врач проверяет полученные результаты и каким образом они влияют на план лечения. Если автоматический анализ невозможно объяснить в контексте клинической ситуации пациента, сам по себе технологичный интерфейс программы не делает решение более обоснованным.
Для пациента основная ценность ИИ сегодня - дополнительный анализ цифровых данных, более наглядное обсуждение результатов и ускорение отдельных технических этапов. Сам факт использования ИИ не является показателем качества лечения: клиническую ценность имеет только результат, который врач проверил, интерпретировал и связал с конкретной ситуацией пациента.
Будет ли искусственный интеллект лечить зубы вместо врача
Вероятнее всего, роль искусственного интеллекта в стоматологии будет увеличиваться. Но современные данные скорее указывают не на исчезновение профессии стоматолога, а на изменение набора инструментов, которыми пользуется врач.
Похожий процесс уже происходил с другими цифровыми технологиями. Внутриротовое сканирование не отменило ортопедическую диагностику. CAD/CAM не исключил из процесса врача и зубного техника. КЛКТ не принимает решение об установке имплантата. Каждая из этих технологий изменила отдельные этапы работы, но одновременно потребовала от специалиста новых знаний для правильной интерпретации полученных данных.
С искусственным интеллектом происходит аналогичный процесс. По мере развития алгоритмов часть повторяющихся цифровых операций может выполняться автоматически. Сегментация изображений, предварительная разметка анатомических структур, измерения и создание начальных вариантов цифрового дизайна постепенно занимают меньше времени.
Одновременно возрастает значение контроля. Чем убедительнее выглядит автоматический результат, тем важнее понимать, на каких данных он основан и где находятся границы применимости конкретной модели. Врач должен уметь заметить ситуацию, в которой предложенный алгоритмом вариант не соответствует клинической картине.
В 2024 году FDI World Dental Federation включила сохранение человеческого контроля и профессиональной автономии врача в число условий ответственного применения ИИ в стоматологии. Организация отдельно подчёркивает, что ответственность за диагностические и лечебные решения в любом случае остаётся за врачом, и указывает на необходимость прозрачности использования алгоритмов.
Поэтому наиболее реалистичная модель ближайшего будущего - не «ИИ вместо стоматолога», а врач, использующий ИИ как один из инструментов анализа и планирования. Алгоритм может быстрее обработать определённый тип данных. Врач должен понять значение полученного результата для конкретного пациента и принять ответственность за клиническое решение.
Похожий процесс уже происходил с другими цифровыми технологиями. Внутриротовое сканирование не отменило ортопедическую диагностику. CAD/CAM не исключил из процесса врача и зубного техника. КЛКТ не принимает решение об установке имплантата. Каждая из этих технологий изменила отдельные этапы работы, но одновременно потребовала от специалиста новых знаний для правильной интерпретации полученных данных.
С искусственным интеллектом происходит аналогичный процесс. По мере развития алгоритмов часть повторяющихся цифровых операций может выполняться автоматически. Сегментация изображений, предварительная разметка анатомических структур, измерения и создание начальных вариантов цифрового дизайна постепенно занимают меньше времени.
Одновременно возрастает значение контроля. Чем убедительнее выглядит автоматический результат, тем важнее понимать, на каких данных он основан и где находятся границы применимости конкретной модели. Врач должен уметь заметить ситуацию, в которой предложенный алгоритмом вариант не соответствует клинической картине.
В 2024 году FDI World Dental Federation включила сохранение человеческого контроля и профессиональной автономии врача в число условий ответственного применения ИИ в стоматологии. Организация отдельно подчёркивает, что ответственность за диагностические и лечебные решения в любом случае остаётся за врачом, и указывает на необходимость прозрачности использования алгоритмов.
Поэтому наиболее реалистичная модель ближайшего будущего - не «ИИ вместо стоматолога», а врач, использующий ИИ как один из инструментов анализа и планирования. Алгоритм может быстрее обработать определённый тип данных. Врач должен понять значение полученного результата для конкретного пациента и принять ответственность за клиническое решение.
В 2024 году FDI включила сохранение человеческого контроля и профессиональной автономии стоматолога в принципы ответственного применения ИИ. Технология постепенно автоматизирует отдельные операции анализа и моделирования, но клиническое решение и ответственность за лечение остаются за врачом.
Искусственный интеллект уже стал частью современной цифровой стоматологии, но его реальная роль значительно точнее и уже, чем иногда представляется в популярном описании технологий. ИИ анализирует определённые типы данных, помогает автоматизировать отдельные операции и может использоваться для поддержки клинических решений.
При этом алгоритм всегда работает в пределах поставленной задачи и полученной информации. Он не объединяет автоматически все особенности пациента в единое клиническое решение и не несёт ответственности за выбранный план лечения.
Поэтому ценность искусственного интеллекта определяется не самим фактом его использования, а тем, насколько корректно врач понимает возможности и ограничения конкретного инструмента. В стоматологии будущего технологии, вероятно, будут выполнять всё больше аналитических и технических задач. Но именно специалисту предстоит сопоставлять полученные данные, обсуждать варианты с пациентом и принимать окончательное клиническое решение.
При этом алгоритм всегда работает в пределах поставленной задачи и полученной информации. Он не объединяет автоматически все особенности пациента в единое клиническое решение и не несёт ответственности за выбранный план лечения.
Поэтому ценность искусственного интеллекта определяется не самим фактом его использования, а тем, насколько корректно врач понимает возможности и ограничения конкретного инструмента. В стоматологии будущего технологии, вероятно, будут выполнять всё больше аналитических и технических задач. Но именно специалисту предстоит сопоставлять полученные данные, обсуждать варианты с пациентом и принимать окончательное клиническое решение.
Искусственный интеллект не является самостоятельным участником лечения. Это инструмент анализа и автоматизации, клиническая ценность которого появляется только тогда, когда его результат проверен и интерпретирован врачом.
Частые вопросы пациентов
На какие вопросы можно получить развернутый ответ во время консультации
Может ли искусственный интеллект поставить диагноз, и кто точнее - врач или ИИ?
- Такое сравнение не совсем корректно. ИИ может анализировать определённые данные и отмечать признаки возможных изменений, но обычно решает одну узкую задачу - например, анализирует изображение. Врач же объединяет данные осмотра, жалобы, анамнез и результаты нескольких исследований и на этой основе устанавливает окончательный диагноз.
Может ли ИИ найти кариес на рентгеновском снимке?
- Да, существуют алгоритмы для выявления признаков кариозных поражений на стоматологических рентгенограммах. Однако возможны как пропущенные изменения, так и ложные отметки, поэтому результат в любом случае проверяет стоматолог.
Может ли искусственный интеллект ошибаться?
- Да. На результат могут влиять качество снимка, особенности обучающих данных и условия использования конкретной системы.
Используется ли ИИ при имплантации и может ли он сам выбрать имплантат и его положение?
- ИИ может применяться на отдельных этапах цифрового планирования: сегментация КЛКТ, выделение анатомических структур, автоматизация измерений и предварительное виртуальное позиционирование. Но окончательный выбор имплантата и его положения, с учётом всей клинической ситуации, выполняет врач.
КЛКТ, внутриротовой сканер и CAD/CAM - это искусственный интеллект?
- Нет. Это разные цифровые технологии. КЛКТ - метод рентгенологического исследования, сканер регистрирует поверхность зубов, а CAD/CAM проектирует и изготавливает конструкции. Сами по себе они не являются искусственным интеллектом, но отдельное программное обеспечение может использовать ИИ для последующего анализа полученных данных.
Может ли ИИ создать коронку или винир?
- ИИ-система может сформировать предварительный вариант цифровой формы коронки или другой реставрации. Врач и зубной техник оценивают и при необходимости корректируют предложенный дизайн.
Цифровой дизайн улыбки - это ИИ, и может ли он показать, как будет выглядеть улыбка после лечения?
- Не обязательно: цифровой дизайн улыбки - это метод планирования, некоторые программы могут использовать ИИ для распознавания ориентиров лица или создания предварительного варианта дизайна. Такая визуализация показывает предполагаемое направление изменений и используется для обсуждения плана, но не является гарантией точного совпадения с окончательным результатом.
Можно ли доверять результату анализа ИИ?
- Результат следует рассматривать как дополнительную информацию. Его клиническое значение определяет врач после сопоставления с другими данными обследования.
Заменит ли искусственный интеллект стоматолога?
- Современные ИИ-системы предназначены прежде всего для анализа данных и автоматизации отдельных задач. Клиническое обследование, выбор плана лечения и ответственность за решение остаются за врачом.
Нужно ли пациенту специально искать клинику, где используют ИИ?
- Сам факт использования искусственного интеллекта не является показателем качества лечения. Важнее полноценная диагностика, обоснованный план лечения и способность врача объяснить пациенту причины выбранного решения.
Памятка
Искусственный интеллект в стоматологии: диагностика и планирование лечения
Графическое обобщение информации
Скачать памятку Использованные научные публикации
1. American Dental Association. Artificial Intelligence in Dentistry.
- Материалы ADA по применению искусственного и дополненного интеллекта в стоматологии, а также ADA Technical Report No. 1109:2025 - Dentistry: Evaluation of Dental Image Analysis Systems Using Augmented/Artificial Intelligence. Документ рассматривает безопасность и эффективность ИИ-инструментов, риск алгоритмической предвзятости и принципы независимой внешней валидации систем анализа стоматологических изображений.
2. FDI World Dental Federation. Artificial intelligence in dentistry. Policy Statement. 2024.
- Позиционный документ FDI об ответственном использовании искусственного интеллекта в стоматологии, качестве данных, прозрачности алгоритмов, человеческом контроле и сохранении профессиональной автономии врача.
3. Arzani S. et al. Examining the diagnostic accuracy of artificial intelligence for detecting dental caries across a range of imaging modalities: an umbrella review with meta-analysis. PLOS One. 2025.
- Umbrella review и метаанализ диагностической точности ИИ при выявлении кариеса. Из этой публикации в статье приведены объединённые показатели чувствительности 0,85 и специфичности 0,90.
4. Alqutaibi A.Y. et al. Dental implant planning using artificial intelligence: a systematic review and meta-analysis. J Prosthet Dent. 2024/2025.
- Систематический обзор применения ИИ при планировании дентальной имплантации по данным КЛКТ. Авторы рассматривают автоматическое выявление беззубых участков и измерение параметров костной ткани и подчёркивают необходимость дальнейших исследований для повышения точности, обобщаемости и клинической применимости моделей.
О авторе
Масло Павел Андреевич - врач-стоматолог ортопед.
Основные направления профессиональной деятельности - ортопедическая стоматология, протезирование зубов и цифровое планирование лечения. В клинической работе использует фотопротокол, внутриротовое сканирование и цифровое моделирование ортопедических конструкций при планировании восстановления зубов коронками, винирами и мостовидными протезами.
В статье рассматривается применение искусственного интеллекта в стоматологическом планировании с позиции современной клинической практики: анализ цифровых данных, диагностика, планирование имплантации, ортопедическое лечение и автоматизация отдельных этапов цифрового workflow.
Последнее обновление статьи: 07.07.2026
Автор: Масло Павел Андреевич, врач-стоматолог ортопед
Тематика: Искусственный интеллект в стоматологии, цифровое планирование лечения, цифровая диагностика, ортопедическая стоматология, имплантация, CAD/CAM, цифровое моделирование зубов.
Основные направления профессиональной деятельности - ортопедическая стоматология, протезирование зубов и цифровое планирование лечения. В клинической работе использует фотопротокол, внутриротовое сканирование и цифровое моделирование ортопедических конструкций при планировании восстановления зубов коронками, винирами и мостовидными протезами.
В статье рассматривается применение искусственного интеллекта в стоматологическом планировании с позиции современной клинической практики: анализ цифровых данных, диагностика, планирование имплантации, ортопедическое лечение и автоматизация отдельных этапов цифрового workflow.
Последнее обновление статьи: 07.07.2026
Автор: Масло Павел Андреевич, врач-стоматолог ортопед
Тематика: Искусственный интеллект в стоматологии, цифровое планирование лечения, цифровая диагностика, ортопедическая стоматология, имплантация, CAD/CAM, цифровое моделирование зубов.