تشخيص زودهنگام بيماري هاي دهان و دندان يکي از مهم ترين عوامل در پيشگيري از پيشرفت بيماري و افزايش موفقيت درمان است. روش هاي تشخيصي متداول در دندانپزشکي عمدتا بر معاينه باليني، روش هاي تصويربرداري، بررسي هاي آزمايشگاهي و در برخي موارد نمونه برداري و ارزيابي بافت شناسي متکي هستند. اگرچه اين روش ها همچنان اساس تشخيص بيماري هاي دهان محسوب مي شوند، اما در برخي شرايط ممکن است نتوانند تغييرات مولکولي و زيستي مرتبط با بيماري را در مراحل بسيار اوليه شناسايي کنند. در سال هاي اخير، بزاق به عنوان يک منبع غيرتهاجمي و در دسترس براي شناسايي نشانگرهاي زيستي مورد توجه قرار گرفته است. بزاق حاوي مجموعه متنوعي از پروتئين ها، اسيدهاي نوکلئيک، متابوليت ها، آنزيم ها، مولکول هاي التهابي و وزيکول هاي خارج سلولي است که برخي از آنها مي توانند منعکس کننده تغييرات مرتبط با بيماري هاي دهان باشند. از سوي ديگر، پيشرفت هاي اخير در حوزه هوش مصنوعي و به ويژه يادگيري ماشيني، امکان تحليل حجم زيادي از داده هاي زيستي و شناسايي الگوهاي پيچيده ميان نشانگرهاي مختلف را فراهم کرده است. ترکيب تحليل نشانگرهاي بزاقي با الگوريتم هاي هوش مصنوعي مي تواند امکان شناسايي الگوهاي مرتبط با بيماري را فراهم کرده و به عنوان ابزاري مکمل براي تشخيص زودهنگام بيماري هايي مانند پوسيدگي دندان، بيماري هاي پريودنتال و سرطان هاي دهان مورد استفاده قرار گيرد. هدف از اين مقاله بررسي ظرفيت هاي موجود در استفاده همزمان از نشانگرهاي زيستي بزاق و هوش مصنوعي براي تشخيص زودهنگام بيماري هاي دهان است. در اين مقاله، مهم ترين گروه هاي نشانگرهاي بزاقي، نقش روش هاي مبتني بر يادگيري ماشيني، کاربردهاي بالقوه در تشخيص بيماري هاي شايع دهان، مزايا و محدوديت هاي اين روش و چشم انداز استفاده از آن در دندانپزشکي مورد بررسي قرار مي گيرد. با وجود نتايج اميدبخش مطالعات اخير، استفاده گسترده باليني از اين فناوري همچنان نيازمند مطالعات با حجم نمونه بالاتر، استانداردسازي روش جمع آوري و تحليل بزاق و اعتبارسنجي مدل هاي هوش مصنوعي در جمعيت هاي مختلف است. با اين حال، تلفيق نشانگرهاي زيستي بزاقي با هوش مصنوعي مي تواند در آينده به توسعه روش هاي تشخيصي سريع، غيرتهاجمي و شخصي سازي شده در حوزه دندانپزشکي کمک کند.

هوش مصنوعی نشانگرهای زیستی بزاق بیماری های دهان یادگیری ماشینی تشخیص زودهنگام