人工智能(AI)和机器学习已经影响了科学和工程的几个领域。虽然人工智能是一个通用术语，用于学习、开发和调查任何表现出智能行为的计算机系统，但机器学习是人工智能的一个特殊分支，系统学习给定数据集中的特定统计模式，以预测新数据样本的行为。在人工智能中，通常情况下，人们关心的是“智能代理”或同时具有灵活性和行动自主性的代理。人工智能系统的例子，如专家系统、降维方法和概率模型，捕获了数据集的一些重要方面。其中，机器学习系统提供了丰富多样的算法和方法，通过训练算法来识别和捕获给定数据集(即训练数据集)中的统计模式，从而特别适合于复杂的预测任务。机器学习的主要目标是能够识别新数据(测试数据)中的相似模式，用于各种应用，包括分类、回归和聚类。

机器学习算法中使用了两种截然不同的训练类型：监督训练和非监督训练。分类(确定给定数据点的类别)和回归(寻找一组自变量和因变量之间的数值关系)等任务通常通过有监督的训练实现，其中向学习模型提供一组输入-输出训练数据对。然而，聚类和降维等任务通常是通过无监督训练来完成的，其目标只是捕捉给定数据集中的重要特征。最近流行的机器学习的一个特殊类别是深度学习，它是一种基于人工神经网络的高级方法。深度学习由于其卓越的泛化能力，在工程、医疗保健和数据分析的许多领域得到了广泛的应用。在这篇文章中，提供了一个广泛的各种机器学习方法的详细回顾，作为应用于种植牙科。

2003年，一项系统的搜索发现了2000多种牙科植入物。牙种植体类型的广泛多样性给牙科专业人员带来了一个具有挑战性的问题。不同的人工智能模型已经被开发用于通过使用根尖周围和全景X线片来识别种植体类型。此外，人工智能模型还使用牙科X光照片来诊断不同的损伤，如牙周病或龋齿。同样，有报道称，人工智能应用于开发预测模型，通过使用患者风险因素和本体标准来确定骨整合成功或种植体预后，以及通过结合有限元分析(FEA)计算和人工智能模型来优化牙种植体设计。然而，缺乏对人工智能方法学的发展绩效及其对种植牙科的潜在影响的分析。

乔安娜·布里格斯研究所准实验研究(非随机实验研究)评价表

通过研究选择阶段的信息的棱镜流程图

按年份和人工智能模型的目的收录的文章数量

乔安娜·布里格斯研究所JBI准实验评估关键评估表

本综述旨在分析人工智能模型在种植牙科中的性能，以利用根尖周片和全景片识别种植体类型，开发骨结合预测模型和预测种植体成功，并优化种植体设计。

材料和方法：电子系统评价在5个数据库中完成：Medline/PubMed、EMBASE、World of Science、Cochrane和Scope us。还进行了人工搜索。同行评议的研究包括为种植体类型识别、种植体成功预测和种植体设计优化开发人工智能模型的研究。搜索策略包括在2021年2月21日之前发表的文章。两名研究人员通过应用乔安娜·布里格斯研究所(JBI)准实验研究(非随机实验研究)关键评估核对表独立地评估了研究的质量。咨询了第三名调查员，以解决缺乏共识的问题。

结果。共纳入17篇文章：7篇研究分析了用于种植体类型识别的人工智能模型，7篇研究包括用于种植体成功预测的人工智能预测模型，3篇研究评价了用于种植体设计优化的人工智能模型。通过使用根尖周围和全景图像识别种植体类型的人工智能模型获得了93.8%到98%的总体准确率结果。使用不同的输入数据预测骨整合成功或种植成功的模型在不同的研究中不同，从62.4%到80.5%不等。最后，开发人工智能模型以优化种植体设计的研究似乎一致认为人工智能模型适用于改善牙种植体的设计。这一改进包括将种植体-骨界面处的应力与有限元模型相比最小化36.6%；优化种植体设计孔隙度、长度和直径以改进有限元计算；或准确确定种植体-骨界面的弹性模数。

结论。人工智能模型在种植体类型识别、种植体成功预测和种植体设计优化方面显示出巨大的潜力，但仍处于开发阶段。更多的研究对于进一步开发和评估人工智能模型的临床性能是必不可少的，这些模型适用于所审查的种植牙科应用。

原始出处：

Revilla-León M,  Gómez-Polo M,  Vyas S,Artificial intelligence applications in implant dentistry: A systematic review.J Prosthet Dent 2023 Feb;129(2)