ENDODONTİDEN RESTORASYONA: YAPAY ZEKÂ DESTEKLİ TANI, TEDAVİ PLANLAMASI
Özet
Yapay zekâ (YZ), endodontik tanıdan restoratif ve protetik planlamaya kadar uzanan dijital diş hekimliği iş akışında giderek daha fazla araştırılmaktadır. Bu bölümde YZ'nin periapikal lezyonların saptanması, kök kanal morfolojisinin değerlendirilmesi, vaka zorluğu ve tedavi sonucunun öngörülmesi gibi endodontik uygulamaları; endodontik tedavili dişlerin restoratif sürdürülebilirliği, ferrule, kalan diş dokusu ve protetik planlama ile ilişkili olarak ele alınmıştır. Ayrıca CBCT, intraoral tarama, üç boyutlu yüzey analizi ve CAD/CAM tabanlı dijital iş akışlarının YZ ile bütünleşme potansiyeli değerlendirilmiş; simülasyon ve dijital performans ölçümünün diş hekimliği eğitimindeki yeri tartışılmıştır. Mevcut kanıtlar YZ'nin özellikle görüntü analizi ve karar desteğinde umut verici olduğunu göstermekle birlikte, klinik genellenebilirlik, dış doğrulama, veri standardizasyonu, etik ve hukuki sorumluluklar önemli sınırlılıklar olarak sürmektedir. Bu nedenle YZ, klinisyenin yerini alan bağımsız bir karar verici olarak değil, kanıta dayalı klinik değerlendirmeyi destekleyen bir araç olarak konumlandırılmalıdır.
Anahtar Kelimeler: Yapay zekâ, endodonti, restoratif diş tedavisi, protetik diş tedavisi, dijital diş hekimliği, CBCT, CAD/CAM
Konu Alanı: Diş Hekimliği -> Diş Hekimliği (diğer) -> endodonti
1. Schwendicke F, Samek W, Krois J. Artificial intelligence in dentistry: chances and challenges. J Dent Res. 2020;99(7):769-774. doi:10.1177/0022034520915714.
2. Khanagar SB, Alfadley A, Alfouzan K, Awawdeh M, Alaqla A, Jamleh A. Developments and performance of artificial intelligence models designed for application in endodontics: a systematic review. Diagnostics (Basel). 2023;13(3):414. doi:10.3390/diagnostics13030414.
3. Mohammad-Rahimi H, Sohrabniya F, Ourang SA, Dianat O, Aminoshariae A, Nagendrababu V, et al. Artificial intelligence in endodontics: data preparation, clinical applications, ethical considerations, limitations, and future directions. Int Endod J. 2024;57(11):1566-1595. doi:10.1111/iej.14128.
4. Ahmed ZH, Almuharib AM, Abdulkarim AA, et al. Artificial intelligence and its application in endodontics: a review. J Contemp Dent Pract. 2023;24(11):912-917. doi:10.5005/jp-journals-10024-3593.
5. Ekert T, Krois J, Meinhold L, Elhennawy K, Emara R, Golla T, Schwendicke F. Deep learning for the radiographic detection of apical lesions. J Endod. 2019;45(7):917-922.e5. doi:10.1016/j.joen.2019.03.016.
6. Ng YL, Mann V, Gulabivala K. Tooth survival following non-surgical root canal treatment: a systematic review of the literature. Int Endod J. 2010;43(3):171-189. doi:10.1111/j.1365-2591.2009.01671.x.
7. Juloski J, Radovic I, Goracci C, Vulicevic ZR, Ferrari M. Ferrule effect: a literature review. J Endod. 2012;38(1):11-19. doi:10.1016/j.joen.2011.09.024.
8. Bernauer SA, Zitzmann NU, Joda T. The use and performance of artificial intelligence in prosthodontics: a systematic review. Sensors (Basel). 2021;21(19):6628. doi:10.3390/s21196628.
9. Alshadidi AAF, Alshahrani AA, Aldosari LIN, Chaturvedi S, Saini RS, Bin Hassan SA, et al. Investigation on the application of artificial intelligence in prosthodontics. Appl Sci. 2023;13(8):5004. doi:10.3390/app13085004.
10. Alfaraj A, Limones Á, Ahmad S, Aljubairah F, Albalaw S, Albesher M, et al. Harnessing AI in prosthodontics and implant dentistry: an umbrella review of systematic evidence. J Prosthodont. 2026;35:127-142. doi:10.1111/jopr.70091.
11. Ender A, Mehl A. Accuracy of complete-arch dental impressions: a new method of measuring trueness and precision. J Prosthet Dent. 2013;109(2):121-128. doi:10.1016/S0022-3913(13)60028-1.
12. Ender A, Mehl A. In-vitro evaluation of the accuracy of conventional and digital methods of obtaining full-arch dental impressions. Quintessence Int. 2015;46(1):9-17. doi:10.3290/j.qi.a32244.
13. Güth JF, Edelhoff D, Schweiger J, Keul C. A new method for the evaluation of the accuracy of full-arch digital impressions in vitro. Clin Oral Investig. 2016;20(7):1487-1494. doi:10.1007/s00784-015-1626-x.
14. Buchanan JA. Use of simulation technology in dental education. J Dent Educ. 2001;65(11):1225-1231. doi:10.1002/j.0022-0337.2001.65.11.tb03481.x.
15. Al-Saud LM, Mushtaq F, Allsop MJ, Culmer PC, Mirghani I, Yates E, et al. Feedback and motor skill acquisition using a haptic dental simulator. Eur J Dent Educ. 2017;21(4):240-247. doi:10.1111/eje.12214.
16. de Boer IR, Wesselink PR, Vervoorn JM. The creation of virtual teeth with and without tooth pathology for a virtual learning environment in dental education. Eur J Dent Educ. 2013;17(4):191-197. doi:10.1111/eje.12027.
17. Bhuva B, Giovarruscio M, Rahim N, Bitter K, Mannocci F. The restoration of root filled teeth: a review of the clinical literature. Int Endod J. 2021;54(4):509-535. doi:10.1111/iej.13438.
18. European Society of Endodontology developed by Mannocci F, Bhuva B, Roig M, Zarow M, Bitter K. European Society of Endodontology position statement: The restoration of root filled teeth. Int Endod J. 2021;54(11):1974-1981. doi:10.1111/iej.13607.
19. Lane J, Sadeghzadeh-Araghi A, Jackson G, Bonsor S. Survival and success rates of endodontically treated teeth restored with full veneer crowns or full cuspal coverage onlays: a systematic review. Eur J Prosthodont Restor Dent. 2024;32(1):45-55. doi:10.1922/EJPRD_2547Lane11.
20. Nosser MMM, İsmatullaev A, Özal Ç. Surface-based trueness and precision of five intraoral scanners in implant-supported digital scanning scenarios using RMS analysis. Appl Sci. 2026;16(13):6334. doi:10.3390/app16136334.
Doğan Evlice, D. & Sabak, A. (2026). ENDODONTİDEN RESTORASYONA: YAPAY ZEKÂ DESTEKLİ TANI, TEDAVİ PLANLAMASI . In TORBALI ÇOKKEÇECİ, İ. (Ed.), <b>Kökten Krona Güncel Yaklaşımlar</b> (pp. 149-163). Vizetek Yayıncılık.
| Kitap: |
| Yayınevi:
Vizetek Yayıncılık |