PL EN
Rycina z artykułu: Szanse czy zagrożenia?...
 
SŁOWA KLUCZOWE
DZIEDZINY
STRESZCZENIE
Wstęp:
Sztuczna inteligencja (artificial intelligence – AI) jest coraz częściej stosowana w stomatologii – od diagnostyki radiologicznej i ortodoncji po projektowanie protetyczne i zarządzanie praktyką. Wysoka precyzja, szybkość i potencjał w zakresie automatyzacji rutynowych zadań sprawiają, że jest to obiecujące narzędzie wspierające klinicystów, choć jego powszechne wdrożenie napotyka na bariery związane z akceptacją i zaufaniem zarówno wśród dentystów, jak i pacjentów.

Materiał i metody:
W maju 2025 r. przeprowadzono przekrojowe badanie ankietowe online za pomocą Formularzy Google z udziałem 101 respondentów: 25 lekarzy dentystów (24,75%) i 76 pacjentów (75,25%). Kwestionariusz składał się z pytań zamkniętych i wielokrotnego wyboru, dotyczących wiedzy na temat AI, poziomu zaufania do diagnoz i planów leczenia wspomaganych przez AI (ocenianych w skali 1–5), preferencji terapeutycznych oraz postrzeganych korzyści i obaw, związanych ze stosowaniem AI w stomatologii.

Wyniki:
Lekarze dentyści mieli większe zaufanie do diagnoz wspieranych przez AI niż pacjenci, ze średnimi ocenami zaufania odpowiednio 2,92 i 2,42. Zaufanie znacząco rosło wraz z deklarowaną wiedzą na temat AI, osiągając średnie wartości 3,20 dla „wysokiej” i 4,00 dla „bardzo wysokiej” wiedzy. W przypadku gdy odsetek błędów byłby taki sam, 79,21% respondentów preferowałoby lekarza dentystę wspieranego przez AI, 18,81% opiekę świadczoną wyłącznie przez człowieka, a tylko 1,98% zaufałoby samej AI.

Wnioski:
AI w stomatologii oferuje wymierne korzyści diagnostyczne i organizacyjne, jednak głównymi barierami w jej wdrażaniu są niedostateczne zaufanie i ograniczona wiedza użytkowników. Kluczowym wyzwaniem jest edukacja zarówno pacjentów, jak i specjalistów na temat możliwości i ograniczeń AI, co jest warunkiem wstępnym do zwiększenia akceptacji i pełnego wykorzystania potencjału AI w praktyce klinicznej.
REFERENCJE (11)
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.
Ghaffari M., Zhu Y., Shrestha A. A review of advancements of artificial intelligence in dentistry. Dent Rev. 2024;4(2):100081. doi: 10.1016/j.dentre.2024.100081.
 
3.
Ding H, Wu J, Zhao W, Matinlinna JP, Burrow MF, Tsoi JKH. Artificial intelligence in dentistry – a review. Front Dent Med. 2023;4:1085251. doi: 10.3389/fdmed.2023.1085251.
 
4.
Zatt FP, Rocha AO, Anjos LMD, Caldas RA, Cardoso M, Rabelo GD. Artificial intelligence applications in dentistry: A bibliometric review with an emphasis on computational research trends within the field. J Am Dent Assoc. 2024;155(9):755–764.e5. doi: 10.1016/j.adaj.2024.05.013.
 
5.
Awasthi R, Ramachandran SP, Mishra S, Mahapatra D, Arshad H, Atreja A, et al. Artificial intelligence in healthcare: 2024 year in review. medRxiv. 2025. doi: 10.1101/2025.02.26.25322978.
 
6.
Albano D, Galiano V, Basile M, Di Luca F, Gitto S, Messina C, et al. Artificial intelligence for radiographic imaging detection of caries lesions: a systematic review. BMC Oral Health. 2024;24(1):274. doi: 10.1186/s12903-024-04046-7.
 
7.
Turosz N, Chęcińska K, Chęciński M, Brzozowska A, Nowak Z, Sikora M. Applications of artificial intelligence in the analysis of dental panoramic radiographs: an overview of systematic reviews. Dentomaxillofac Radiol. 2023;52(7):20230284. doi: 10.1259/dmfr.20230284.
 
8.
Olawade DB, Leena N, Egbon E, Rai J, Mohammed APEK, Oladapo BI, et al. AI-driven advancements in orthodontics for precision and patient outcomes. Dent J (Basel). 2025;13(5):198. doi: 10.3390/dj13050198.
 
9.
Revilla-León M, Gómez-Polo M, Vyas S, Barmak AB, Özcan M, Att W, et al. Artificial intelligence applications in restorative dentistry: A systematic review. J Prosthet Dent. 2022;128(5):867–875. doi: 10.1016/j.prosdent.2021.02.010.
 
10.
Fritsch SJ, Blankenheim A, Wahl A, Hetfeld P, Maassen O, Deffge S, et al. Attitudes and perception of artificial intelligence in healthcare: A cross-sectional survey among patients. Digit Health. 2022;8:20552076221116772. doi: 10.1177/20552076221116772.
 
11.
Atkinson R, Flint J. Accessing hidden and hard-to-reach populations: snowball research strategies. Soc Res Update. 2001;33:1–4.
 
eISSN:1734-025X
Journals System - logo
Scroll to top