Hamayesh Arwin Alborz همایش آروین البرز MHHJR فصلنامه پژوهش‌های نوین در علوم پزشکی، بهداشت و سلامت | MHHJR 2 4 2026 10 10 کاربرد هوش مصنوعی در تحلیل نشانگرهای زیستی بزاق برای تشخیص زودهنگام بیماری های دهان کاربرد هوش مصنوعی در تحلیل نشانگرهای زیستی بزاق برای تشخیص زودهنگام بیماری های دهان 1 10 FA معین حسنی فارغ التحصیل دندانپزشکی، دانشگاه علوم پزشکی گرگان، گلستان، ایران معین حسنی فارغ التحصیل دندانپزشکی، دانشگاه علوم پزشکی گرگان، گلستان، ایران 2026 09 23 تشخیص زودهنگام بیماری های دهان و دندان یکی از مهم ترین عوامل در پیشگیری از پیشرفت بیماری و افزایش موفقیت درمان است. روش های تشخیصی متداول در دندانپزشکی عمدتا بر معاینه بالینی، روش های تصویربرداری، بررسی های آزمایشگاهی و در برخی موارد نمونه برداری و ارزیابی بافت شناسی متکی هستند. اگرچه این روش ها همچنان اساس تشخیص بیماری های دهان محسوب می شوند، اما در برخی شرایط ممکن است نتوانند تغییرات مولکولی و زیستی مرتبط با بیماری را در مراحل بسیار اولیه شناسایی کنند. در سال های اخیر، بزاق به عنوان یک منبع غیرتهاجمی و در دسترس برای شناسایی نشانگرهای زیستی مورد توجه قرار گرفته است. بزاق حاوی مجموعه متنوعی از پروتئین ها، اسیدهای نوکلئیک، متابولیت ها، آنزیم ها، مولکول های التهابی و وزیکول های خارج سلولی است که برخی از آنها می توانند منعکس کننده تغییرات مرتبط با بیماری های دهان باشند. از سوی دیگر، پیشرفت های اخیر در حوزه هوش مصنوعی و به ویژه یادگیری ماشینی، امکان تحلیل حجم زیادی از داده های زیستی و شناسایی الگوهای پیچیده میان نشانگرهای مختلف را فراهم کرده است. ترکیب تحلیل نشانگرهای بزاقی با الگوریتم های هوش مصنوعی می تواند امکان شناسایی الگوهای مرتبط با بیماری را فراهم کرده و به عنوان ابزاری مکمل برای تشخیص زودهنگام بیماری هایی مانند پوسیدگی دندان، بیماری های پریودنتال و سرطان های دهان مورد استفاده قرار گیرد. هدف از این مقاله بررسی ظرفیت های موجود در استفاده همزمان از نشانگرهای زیستی بزاق و هوش مصنوعی برای تشخیص زودهنگام بیماری های دهان است. در این مقاله، مهم ترین گروه های نشانگرهای بزاقی، نقش روش های مبتنی بر یادگیری ماشینی، کاربردهای بالقوه در تشخیص بیماری های شایع دهان، مزایا و محدودیت های این روش و چشم انداز استفاده از آن در دندانپزشکی مورد بررسی قرار می گیرد. با وجود نتایج امیدبخش مطالعات اخیر، استفاده گسترده بالینی از این فناوری همچنان نیازمند مطالعات با حجم نمونه بالاتر، استانداردسازی روش جمع آوری و تحلیل بزاق و اعتبارسنجی مدل های هوش مصنوعی در جمعیت های مختلف است. با این حال، تلفیق نشانگرهای زیستی بزاقی با هوش مصنوعی می تواند در آینده به توسعه روش های تشخیصی سریع، غیرتهاجمی و شخصی سازی شده در حوزه دندانپزشکی کمک کند. تشخیص زودهنگام بیماری های دهان و دندان یکی از مهم ترین عوامل در پیشگیری از پیشرفت بیماری و افزایش موفقیت درمان است. روش های تشخیصی متداول در دندانپزشکی عمدتا بر معاینه بالینی، روش های تصویربرداری، بررسی های آزمایشگاهی و در برخی موارد نمونه برداری و ارزیابی بافت شناسی متکی هستند. اگرچه این روش ها همچنان اساس تشخیص بیماری های دهان محسوب می شوند، اما در برخی شرایط ممکن است نتوانند تغییرات مولکولی و زیستی مرتبط با بیماری را در مراحل بسیار اولیه شناسایی کنند. در سال های اخیر، بزاق به عنوان یک منبع غیرتهاجمی و در دسترس برای شناسایی نشانگرهای زیستی مورد توجه قرار گرفته است. بزاق حاوی مجموعه متنوعی از پروتئین ها، اسیدهای نوکلئیک، متابولیت ها، آنزیم ها، مولکول های التهابی و وزیکول های خارج سلولی است که برخی از آنها می توانند منعکس کننده تغییرات مرتبط با بیماری های دهان باشند. از سوی دیگر، پیشرفت های اخیر در حوزه هوش مصنوعی و به ویژه یادگیری ماشینی، امکان تحلیل حجم زیادی از داده های زیستی و شناسایی الگوهای پیچیده میان نشانگرهای مختلف را فراهم کرده است. ترکیب تحلیل نشانگرهای بزاقی با الگوریتم های هوش مصنوعی می تواند امکان شناسایی الگوهای مرتبط با بیماری را فراهم کرده و به عنوان ابزاری مکمل برای تشخیص زودهنگام بیماری هایی مانند پوسیدگی دندان، بیماری های پریودنتال و سرطان های دهان مورد استفاده قرار گیرد. هدف از این مقاله بررسی ظرفیت های موجود در استفاده همزمان از نشانگرهای زیستی بزاق و هوش مصنوعی برای تشخیص زودهنگام بیماری های دهان است. در این مقاله، مهم ترین گروه های نشانگرهای بزاقی، نقش روش های مبتنی بر یادگیری ماشینی، کاربردهای بالقوه در تشخیص بیماری های شایع دهان، مزایا و محدودیت های این روش و چشم انداز استفاده از آن در دندانپزشکی مورد بررسی قرار می گیرد. با وجود نتایج امیدبخش مطالعات اخیر، استفاده گسترده بالینی از این فناوری همچنان نیازمند مطالعات با حجم نمونه بالاتر، استانداردسازی روش جمع آوری و تحلیل بزاق و اعتبارسنجی مدل های هوش مصنوعی در جمعیت های مختلف است. با این حال، تلفیق نشانگرهای زیستی بزاقی با هوش مصنوعی می تواند در آینده به توسعه روش های تشخیصی سریع، غیرتهاجمی و شخصی سازی شده در حوزه دندانپزشکی کمک کند. https://mhhjr.ir/downloadfilepdf/17254