עדכן רפואת שיניים גיליון 205 ספטמבר-אוקטובר Update no.205 September-October 2026

לאורך זמן. יש לדווח בנפרד על נגעי אמייל ודנטין, עששת ראשונית ומשנית, וכן על ביצועים באוכלוסיות, מכשירי צילום ומרפאות שלא נכללו במאגר האימון. סיכום יכול לשפר את גילוי העששת בצילומים, בעיקר באמצעות הפניית תשומת הלב לנגעים קטנים והפחתת שונות בין AI נכון להיום, בודקים. אולם אין לראות בסימון האלגוריתמי אבחנה סופית או הוראה לטיפול. תפקידו המתאים הוא תמיכה בהחלטה - להעלות חשד, לעודד בדיקה חוזרת ולהציג מידע באופן עקבי. האחריות לקבוע אם מדובר בנגע פעיל ומהי ההתערבות הנכונה נשארת בידי הרופא, המשלב את הצילום עם הבדיקה הקלינית, הסיכון האישי והעדפת המטופל.

מקורות

1. Cantu AG, Gehrung S, Krois J, Chaurasia A, Rossi JG, Gaudin R, et al. Detecting caries lesions of different radiographic extension on bitewings using deep learning. J Dent. 2020;100 -103425. 2. Lee S, Oh SI, Jo J, Kang S, Shin Y, Park JW. Deep learning for early dental caries detection in bitewing radiographs. Sci Rep. 2021;11 -16807. 3. Mertens S, Krois J, Cantu AG, Arsiwala LT, Schwendicke F. Artificial intelligence for caries detection - randomized trial. J Dent. 2021;115 -103849. 4. Carvalho BKG, Nolden EL, Wenning AS, Kiss-Dala S, Agócs G, Róth I, et al. Diagnostic accuracy of artificial intelligence for approximal caries on bitewing radiographs - a systematic review and meta-analysis. J Dent. 2024;151 -105388. 5. Luke AM, Rezallah NNF. Accuracy of artificial intelligence in caries detection - a systematic review and meta analysis. Head Face Med. 2025;21 -24. 6. Lai J, Guo S, Wang K, Li X, Yu X, Wang X. Artificial intelligence for binary dental caries diagnosis using intraoral images and dental radiographs - a systematic review and meta-analysis. BMC Oral Health. 2026;26 -437. 7. Schwendicke F, Rossi JG, Göstemeyer G, Elhennawy K, Cantu AG, Gaudin R, et al. Cost-effectiveness of artificial intelligence for proximal caries detection. J Dent Res. 2021;100 -369–376.

14