متخصص جراحی دهان، فک و صورت دانشگاه شهید بهشتی، با اشاره به نقش هوش مصنوعی در تشخیص زودهنگام بیماری‌های دهان و دندان، تأکید کرد: استفاده از فناوری‌های نوین می‌تواند به کاهش هزینه‌های درمانی و افزایش کیفیت خدمات دندانپزشکی منجر شود.

به گزارش ستاد خبری نمایشگاه اینوتکس 2025، دکتر محسن گلکار؛ متخصص جراحی دهان، فک و صورت و عضو هیئت علمی دانشگاه شهید بهشتی، در پنل تخصصی «هوش مصنوعی و اینترنت اشیا» با محوریت پزشکی و پیوند آن با هوش مصنوعی که در حاشیه چهاردهمین نمایشگاه اینوتکس ۲۰۲۵ برگزار شد، به تبیین کاربردهای هوش مصنوعی در دندانپزشکی پرداخت.

گلکار در ابتدای سخنان خود با اشاره به نقش هوش مصنوعی در شناسایی زودهنگام بیماری‌های بافت‌های نگهدارنده دندان، گفت: «با تحلیل تصاویر رادیوگرافی، می‌توان به تشخیص زودرس ضایعات استخوانی کمک کرد و از پیشرفت آن‌ها جلوگیری کرد.

وی اضافه کرد: بسیاری از بیماران از وجود این بیماری‌ها بی‌اطلاع هستند و متأسفانه زمانی متوجه می‌شوند که کار از کار گذشته و ناچار به کشیدن دندان می‌شوند؛ اقدامی که در ظاهر ساده اما در باطن هزینه‌بر برای نظام سلامت کشور است.

گلکار با اشاره به هزینه‌های بالای بازسازی و جایگزینی دندان‌ها، افزود: سرمایه‌گذاری در این حوزه می‌تواند به کاهش چشمگیر هزینه‌ها و ارتقاء کیفیت درمان منجر شود. در حوزه درمان‌های ریشه نیز هوش مصنوعی در تشخیص ضایعات اولیه، شکستگی‌های عمودی ریشه و تحلیل ساختارهای اطراف دندان کاربردهای مؤثری دارد. این فناوری می‌تواند تصمیم‌گیری‌های درمانی را دقیق‌تر و ارجاع‌ها را هوشمندتر کند.

وی ادامه داد: تشخیص زودهنگام میکروترک‌ها و بررسی پیچیدگی‌های احتمالی ریشه دندان، می‌تواند به تعیین این مساله کمک کند که آیا درمان توسط دندانپزشک عمومی کافی‌ است یا نیاز به متخصص دارد. این موضوع در ایجاد نظام ارجاع بهینه نقش مهمی ایفا می‌کند.

به گفته این عضو هیئت علمی دانشگاه شهید بهشتی، کیفیت درمان ریشه مستقیماً بر ماندگاری دندان در دهان اثرگذار است. اگر این درمان به خوبی انجام شود، دندان می‌تواند تا ۲۰ سال در دهان باقی بماند، اما در غیر این‌ صورت ممکن است تنها پنج سال دوام بیاورد.

وی در بخش دیگری از سخنانش گفت: در حوزه دندانپزشکی ترمیمی و پروتز، تشخیص زودهنگام سایش‌های دندانی با تحلیل تصاویر فوتوگرافی بیمار می‌تواند به برنامه‌ریزی درمانی دقیق‌تری منجر شود. همچنین تشخیص زودرس پوسیدگی‌ها، از پیشرفت آن‌ها و در نهایت از درمان‌های پرهزینه‌تری مانند عصب‌کشی و کشیدن دندان جلوگیری می‌کند.

وی با اشاره به چالش‌های موجود در زمینه داده‌ها اظهار کرد: در حال حاضر بانک‌های اطلاعاتی طبقه‌بندی‌شده و استاندارد برای تحلیل‌های دقیق در دسترس نیست و جمع‌آوری داده‌ها در سال‌های اخیر به‌تدریج در حال انجام است. برای مثال، یک تصویر ساده از یک دندان با زوایای مختلف می‌تواند رادیوگرافی‌های متفاوتی را ایجاد کند. استانداردسازی این داده‌ها نقش کلیدی در توسعه آینده هوش مصنوعی در دندانپزشکی خواهد داشت.

گلکار سخنان خود را با این جمله به پایان رساند که اگر استفاده کامل از هوش مصنوعی در دندانپزشکی را به دویدن تشبیه کنیم، اکنون ما در مرحله‌ای هستیم که تازه در حال کفش پوشیدن هستیم. مسیر طولانی در پیش است و کارهای فراوانی برای انجام وجود دارد.