مجله دندانپزشکی

زمینه و هدف: به دلیل تسهیل فرآیند تشخیص و تصمیم گیری بالینی در دندانپزشکی با استفاده از هوش مصنوعی (AI) در سال‌های اخیر، استفاده از این ابزار در دندانپزشکی بسیار مورد توجه قرار گرفته است. بر همین اساس لازم است دندانپزشکان از مزایا و معایب هوش مصنوعی قبل از اجرای آن آگاه باشند. مطالعه حاضر با هدف بررسی جامع کاربردهای مختلف هوش مصنوعی در تشخیص بیماری‌های دندانی همراه با چالش‌ها و معایب آن انجام شد.
روش بررسی: برای این مقاله مروری، یک جستجوی کامل بر روی پایگاه‌های اطلاعاتی Pub-Med و Google Scholar انجام شد و مطالعات منتشر شده طی سال‌های اخیر و همچنین مطالعات منتشر شده 2024 با استفاده از کلید واژه‌های «هوش مصنوعی»، «دندانپزشکی»، «تشخیص» گردآوری شد. در نهایت مقالات مرتبط، با تمرکز بر هوش مصنوعی در دندانپزشکی و تشخیص بیماری‌های دندانی انتخاب و مورد ارزیابی قرار گرفت.
یافته‌ها: پیشرفت‌های هوش مصنوعی در تصویربرداری دندان، به ویژه از طریق یادگیری ماشینی (ML) و شبکه‌های عصبی مصنوعی (Artificial Neural Networks-ANN)، به طرز چشمگیری روش‌های تشخیص بیماری‌های دندانی را متحول کرده است. این فناوری‌ها با استفاده از الگوریتم‌هایی که به سیستم‌ها امکان یادگیری و واکنش به داده‌ها را می‌دهند، به دندانپزشکان کمک می‌کنند تا اطلاعات پیچیده را تحلیل کنند و نتایج دقیق‌تری به دست آورند. جدیدترین پیشرفت در این حوزه، یادگیری عمیق (DL) است که با استفاده از چندین لایه شبکه عصبی، قادر به پردازش داده‌های بدون برچسب و پیش‌بینی نتایج می‌باشد. این تکنیک‌ها در زمینه‌های مختلفی مانند تصویربرداری تشخیصی، پریودنتولوژی، تشخیص پوسیدگی دندان و غربالگری پوکی استخوان کاربرد دارند و به بهبود کیفیت خدمات دندانپزشکی کمک می‌کنند. علیرغم مزایای هوش مصنوعی در دندانپزشکی بالینی، سه چالش بحث برانگیز شامل سهولت استفاده، بازگشت مالی سرمایه و شواهد عملکرد یا به عبارتی قابل اعتماد بودن وجود دارد و باید مدیریت شوند.
نتیجه‌ گیری: همانطور که نتایج به ‌دست ‌آمده نشان می‌دهد، مهم‌ترین مزیت هوش مصنوعی، تشخیص بیماری‌های دندان است. هوش مصنوعی با خودکارسازی وظایف روتین و بهبود مراقبت از بیماران، پتانسیل بالایی برای کاهش فشار بر سیستم‌های بهداشتی دارد. با این حال، این فناوری هرگز نمی‌تواند جایگزین تخصص انسانی شود و باید بر اساس اصول اخلاقی هدایت گردد. در نهایت، هوش مصنوعی به عنوان ابزاری ارزشمند در دندانپزشکی شناخته می‌شود و تصمیم‌گیری نهایی همواره بر عهده دندانپزشک باقی می‌ماند.

زمینه و هدف‌: محیط یادگیری به عنوان هر چیزی که در کلاس درس یا گروه آموزشی، دانشکده یا دانشگاه اتفاق می‌افتد تعریف شده است. آگاهی از نظرات دانشجویان دندانپزشکی از محیط یادگیری خود، مسئولان را در ارائه راه کارهای بهبود کیفی و کمی آموزش بالینی یاری می‌کند. یکی از ابزارهایی که به اندازه گیری کمی محیط و فضای حاکم بر آموزش دندانپزشکی می‌پردازد (Dental Student Learning Environment Survey) DSLES می‌باشد، لذا هدف از این مطالعه ارزیابی محیط آموزشی دانشکده دندانپزشکی ایلام بر اساس مدل DSLES بود.
روش بررسی: این مطالعه به صورت توصیفی- مقطعی بر روی 114 دانشجوی رشته دندانپزشکی دانشکده دندانپزشکی ایلام به صورت سرشماری در سال 1403 انجام شد. اطلاعات به دست آمده توسط نرم افزار SPSS24 مورد ارزیابی قرار گرفت. مجموع نمرات محاسبه شده با استفاده ازآزمون t-test (Student’s t-test) تحلیل شد و سطح معنی داری در این مطالعه 05/0>p در نظر گرفته شد.
یافته‌‌ها: نتایج نشان داد که محیط آموزشی دانشکده دندانپزشکی در ابعاد مختلف در محدوده میانه تا نسبتاً مطلوب قرار داشت، اما هیچ یک از مؤلفه‌ها به حد عالی نرسیدند. بالاترین امتیاز مربوط به "روابط بین دانشجویان" و پایین‌ترین امتیاز مربوط به "انعطاف برنامه آموزشی" بود. روابط بین دانشجویان بالاترین امتیاز در بین مؤلفه‌ها که نشان ‌دهنده فضای همکاری و تعامل مثبت بین دانشجویان بود (002/0=p). انعطاف برنامه آموزشی پایین‌ترین امتیاز در بین مؤلفه‌ها ساختار نسبتاً سخت و کم ‌انعطاف برنامه‌های آموزشی بود (000/0=p). نتایج مطالعه نشان‌ دهنده تفاوت‌های آماری معنی دار بین ادراک دانشجویان پری‌کلینیک و کلینیک از محیط آموزشی بود (05/0p<).
نتیجه‌ گیری: نتایج نشان داد که محیط آموزشی دانشکده دندانپزشکی از ساختار پایه‌ای مناسبی برخوردار بود ولی نیازمند تحولاتی در جهت بهبود کیفیت آموزشی می‌باشد. تمرکز بر افزایش انعطاف‌ پذیری برنامه‌های آموزشی، تقویت پاسخگویی به نیازهای دانشجویان (به ویژه در دوره کلینیک) و حفظ عدالت جنسیتی موجود می‌تواند به ارتقای کیفیت کلی محیط آموزشی منجر شود.

زمینه و هدف: با توجه به رشد سریع فناوری‌های دیجیتال در دندانپزشکی، ارزیابی سطح آگاهی و نگرش دندانپزشکان نسبت به این تحول ضروری است. هدف این مطالعه، بررسی آگاهی و نگرش دندانپزشکان عمومی‌‌ شهر یزد نسبت به دندانپزشکی دیجیتال در سال ۱۴۰۳ بود.
روش بررسی: در این مطالعه توصیفی- تحلیلی، ۱۳۵ دندانپزشک عمومی به روش نمونه ‌گیری در دسترس انتخاب شدند. داده‌ها از طریق پرسشنامه آنلاین شامل اطلاعات دموگرافیک و سؤالات مرتبط با آگاهی و نگرش جمع ‌آوری و با نرم ‌افزار SPSS نسخه ۲۷ تحلیل شد. آزمون‌های من ‌ویتنی، کروسکال- والیس و کای ‌اسکوئر برای بررسی متغیرها استفاده گردید.
یافته‌ها: ۵۹ مرد و ۷۶ زن با میانگین سنی 87/7 ± 92/31 سال در مطالعه شرکت کردند. میانگین نمره آگاهی 77/2 ± 76/7 از ۱۲ بود. آگاهی بیشتر و نگرش مثبت‌تر با سن بالاتر، سابقه کاری بیشتر و جنسیت مرد مرتبط بود (05/0P<) 1/%74 از شرکت‌ کنندگان نسبت به دستگاه CAD/CAM شناخته ‌شده آگاهی نداشتند و 8/74% از پاسخ‌ دهندگان با نرم ‌افزارهای مربوط به ایمپلنت دیجیتال آشنا نبودند و 60% نیز نسبت به کاربرد صحیح اسکنرهای داخل‌دهانی آگاهی نداشتند. 5/81% نگرش کلی مثبت داشتند، اما تنها 9/11% دانش خود را هماهنگ با فناوری‌های نوین می‌دانستند.
نتیجه‌گیری: دندانپزشکان عمومی از سطح آگاهی متوسطی برخوردارند و شکاف‌های دانشی موجود نیازمند توجه بیشتر در آموزش دانشگاهی و مداوم است. ارتقای دانش گروه‌های خاص مانند دندانپزشکان جوان، کم ‌سابقه و بانوان ضروری است. تفاوت‌های معنی داری در نگرش بر اساس سن، جنسیت و سابقه کاری مشاهده شد.

زمینه و هدف‌: پوسیدگی دندان یک بیماری مزمن چند عاملی است و از آنجایی که اکثر جمعیت را درگیر می‌کند، یک مشکل بهداشتی بسیار جدی در سطح جهانی ایجاد می‌کند. این مطالعه مقطعی مبتنی بر جمعیت با هدف ارزیابی وقوع پیامدهای پوسیدگی دندان، درک والدین از سلامت دهان و دندان کودک و عوامل مؤثر بر استفاده از خدمات دندانپزشکی در جمعیت کودکان مقطع دبستان انجام شد.
روش بررسی: این مطالعه به صورت توصیفی- تحلیلی از نوع مقطعی بوده و اطلاعات مورد نظر با استفاده از پرسشنامه OHL-AQ که روایی و پایایی آن در مطالعه قبلی تایید شده است جمع آوری شد. شاخص DMFT برای اندازه گیری میزان پوسیدگی و ترمیم‌ها و از دست دادن دندان‌ها بر اثر پوسیدگی استفاده گردید. جامعه آماری
این پژوهش، والدین و دانش آموزان مقطع ابتدایی آموزش و پرورش نواحی شش گانه شهر اصفهان در سال تحصیلی 1402-1403 بود و روش نمونه گیری، نمونه گیری تصادفی خوشه‌ای بوده است. سپس اطلاعات جمع آوری شده حاصل از معاینات و نیز پرسشنامه‌ها توسط نرم افزار SPSS نسخه 26 و سطح خطای 05/0 به صورت استنباطی آنالیز شد. آزمون‌های همبستگی ، تی تست و رگرشن خطی برای آنالیز داده ها استفاده گردید.
یافته‌‌ها: مجموعاً 400 دانش آموز 6 تا 12 ساله به مطالعه وارد شدند. از این میان بیشترین فراوانی (8/20 درصد) مربوط به پایه دوم تحصیلی و کمترین فراوانی (5/12 درصد) مربوط به پایه ششم تحصیلی بود. والدین دانش آموزان میانگین سنی 8/39 سال داشتند. در اکثر موارد (56 درصد) والدین تحصیلات دانشگاهی داشتند. پایه تحصیلی دانش آموز، تعداد آخرین مدرک تحصیلی والدین و نمره سوالات سواد سلامت والد ارتباط معنی داری با امتیاز DMFT داشتند (001/0P<) سن و نمره سواد سلامت دهان و دندان والدین (میانگین=1/9) هر دو ارتباط معنی داری با امتیاز DMFT (میانگین=1/2) داشت (001/0P<). در این مطالعه میانگین نمره سواد سلامت دهان والدین برابر با 1/9 بود.
نتیجه‌ گیری: در مطالعه حاضر نشان داده شده است که نمره سواد سلامت دهان از اهمیت ویژه‌ای برخوردار بوده است به طوری که شاخص پوسیدگی دندانی ارتباط معنی داری با نمره سواد سلامت دهان نشان می‌دهد. در نتیجه آموزش و اشتغال والدین تأثیر مستقیمی بر سطح سواد بهداشت دهان و دندان آن‌ها دارد. بهبود سطح آموزشی کلی افراد جامعه ضروری است زیرا که سطح سواد سلامت دهان و دندان والدین را افزایش می‌دهد و متعاقباً منجر به نتایج سلامت بهتر و وضعیت سلامت دهان و دندان بهتر در بین فرزندان آن‌ها می‌باشد.

زمینه و هدف‌: رشد روز افزون خدمات دندانپزشکی و افزایش رقابت کسب و کارها در این حوزه، جذب مشتریان جدید و حفظ آن‌ها را کاری بسیار دشوار و در عین حال حیاتی برای فعالان حوزه دندانپزشکی تبدیل کرده است. همین امر سبب مطرح شدن کارکرد بازاریابی در دندانپزشکی شده است و نگاهی به مجلات بین ‌المللی دندانپزشکی نشان می‌دهد که در دهه‌های گذشته محققان توجه فزاینده‌ای به نقش بازاریابی در دندانپزشکی داشته‌اند و از طریق مطالعات نظری و روش‌های علمی مختلف تأثیر و چگونگی تدوین استراتژی‌های بازاریابی دندانپزشکی را مورد بررسی و آزمون قرار داده‌اند. به همین دلیل هدف پژوهش حاضر بررسی آماری روند جهانی تولیدات علمی مربوط به استراتژی بازاریابی در دندانپزشکی بود.
روش بررسی: این پژوهش از لحاظ هدف جزء پژوهش‌های توصیفی- تحلیلی است که با استفاده از روش علم سنجی و تحلیل بیبلیومتریک صورت گرفته است. از لحاظ زمان اجرای پژوهش هم جزء تحقیق مقطعی و بر اساس نوع داده جزء پژوهش‌های کمی است. اسناد مورد بررسی شامل تمام مقالات علمی منتشر شده به زبان انگلیسی در حوزه استراتژی بازاریابی در دندانپزشکی که تا پایان سال 2025 توسط کل پژوهشگران جهان نگاشته شده و در پایگاه‌های اطلاعاتی PubMed، Web of Science و Scopus نمایه شده است. این پژوهش در ماه ژانویه سال 2026 انجام شده است.
یافته‌‌ها: نتایج حاصل از پژوهش بیانگر آن است که تعداد پژوهش‌های مرتبط با موضوع «استراتژی‌های بازاریابی در دندانپزشکی» که از ابتدا تا سال 2025 در پایگاه‌های اطلاعاتی PubMed، Web of science وScopus  منتشر شده است برابر با 365 سند می‌باشد و پویایی این پژوهش‌ها مربوط به سال‌های 2017 تا 2025 است. بیشترین تعداد پژوهش‌ها مربوط به سال 2025 با تعداد 40 اثر است. بیشترین اثر در حوزه استراتژی‌های بازاریابی در دندانپزشکی مربوط به پژوهشگری به نام Ball R با 10 اثر علمی است. مجله British Dental Journal بیشترین تولید علمی در این حوزه را با انتشار 23 اثر داشته است. بیشترین پژوهش‌های انجام شده در این حوزه، در ایالات متحده آمریکا با انجام 225 اثر صورت پذیرفته است.
نتیجه‌ گیری: نتایج پژوهش بیانگر آن است که استراتژی‌های بازاریابی امروزه جایگاهی فراتر از یک مفهوم صرفاً بازاریابی یافته و به‌تدریج به ‌عنوان یک فرایند کلیدی در پژوهش‌های حوزه دندانپزشکی مطرح شده است. تمرکز
قابل ‌توجه تولیدات علمی بر مطالعات بازاریابی، استراتژی‌های بازاریابی و پیامدهای مرتبط با آن در دندانپزشکی، نشان می‌دهد که استراتژی‌های بازاریابی در جذب بیماران، رضایتمندی آن‌ها، سودآوری کسب و کارهای دندانپزشکی و سلامت عمومی جامعه نقش مهمی ایفا می‌کند.

هوش مصنوعی به ‌عنوان یکی از فناوری‌های تحول ‌آفرین عصر حاضر، نقش فزاینده‌ای در علوم پزشکی و به ‌ویژه دندانپزشکی ایفا می‌کند. در میان شاخه‌های مختلف هوش مصنوعی، یادگیری ماشین با توانایی تحلیل داده‌‌های پیچیده، استخراج الگوها و ارائه پیش‌بینی‌های دقیق، بستر مناسبی برای توسعه دندانپزشکی هوشمند فراهم ساخته است. دندانپزشکی مدرن با چالش‌هایی نظیر تفسیر حجم گسترده تصاویر رادیوگرافی، تشخیص زود هنگام ضایعات، انتخاب طرح درمان مناسب و مدیریت اطلاعات بیماران مواجه است. چالش‌هایی که می‌توانند با استفاده از الگوریتم‌های یادگیری ماشین تا حد زیادی برطرف شوند. امروزه مدل‌های یادگیری عمیق و شبکه‌های عصبی مصنوعی در تحلیل تصاویر دندان، تشخیص پوسیدگی، پیش ‌بینی موفقیت درمان‌‌های ترمیمی و ایمپلنت، طراحی پروتزها و پشتیبانی از تصمیم‌ گیری بالینی کاربرد گسترده‌ای یافته‌اند. افزون بر این، ادغام یادگیری ماشین با فناوری‌هایی مانند رباتیک، طراحی دیجیتال و سامانه‌های هوشمند پایش بیمار، مسیر حرکت به ‌سوی دندانپزشکی دقیق و شخصی‌ سازی‌ شده را هموار کرده است. با وجود مزایای قابل ‌توجه این فناوری، چالش‌هایی نظیر وابستگی به کیفیت داده‌ها، مسائل اخلاقی و نیاز به اعتبارسنجی بالینی همچنان مطرح هستند. در مجموع، یادگیری ماشین می‌تواند با افزایش دقت تشخیص، کاهش خطاهای انسانی، صرفه ‌جویی در زمان و هزینه و ارتقای کیفیت خدمات، تحولی اساسی در آینده دندانپزشکی ایجاد کند.