Цифровое планирование ортодонтического лечения: литературный обзор

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В данной работе представлены данные о встречаемости зубочелюстных аномалий. Описаны достоинства используемых в практике врача-стоматолога цифровых оттисков по сравнению с аналоговыми. Проанализированы данные литературы о компьютерных программах, методиках цифрового планирования, особенностях современных устройств, используемых в стоматологии для ортодонтического лечения. Отражены сравнительные характеристики каждой из предложенных методик. Описаны также возможности, которые предоставляет сочетание нескольких методик планирования, например конусно-лучевой компьютерной томографии и внутриротового сканирования.

В обзоре подробно продемонстрированы самые популярные среди врачей-стоматологов цифровые решения при планировании ортодонтического лечения, убедительно показаны их преимущества и недостатки.

Об авторах

Самвел Владиславович Апресян

Российский университет дружбы народов имени Патриса Лумумбы

Email: dr.apresyan@gmail.com
ORCID iD: 0000-0002-3281-707X
SPIN-код: 6317-9002

д-р мед. наук, доцент

Россия, 117198, Москва, ул. Миклухо-Маклая, д. 6

Александр Геннадьевич Степанов

Российский университет дружбы народов имени Патриса Лумумбы

Автор, ответственный за переписку.
Email: stepanovmd@list.ru
ORCID iD: 0000-0002-6543-0998
SPIN-код: 5848-6077

д-р мед. наук, доцент

Россия, 117198, Москва, ул. Миклухо-Маклая, д. 6

Оксана Олеговна Московец

Российский университет дружбы народов имени Патриса Лумумбы

Email: om.stomat@gmail.com
ORCID iD: 0000-0002-6479-8192
SPIN-код: 2318-6028

канд. мед. наук, доцент

Россия, 117198, Москва, ул. Миклухо-Маклая, д. 6

Эллина Артуровна Малиева

Российский университет дружбы народов имени Патриса Лумумбы

Email: malieva-elina@mail.ru
ORCID iD: 0009-0001-5586-1743
Россия, 117198, Москва, ул. Миклухо-Маклая, д. 6

Список литературы

  1. Цветкова М.А., Аксамит Л.А. Ортодонтия и патология слизистой оболочки рта. Москва: МЕДпресс-информ, 2023. 96 с. ISBN: 978-5-907632-84-4
  2. Персина Л.С. Ортодонтия. Национальное руководство: лечение зубочелюстных аномалий. В 2 т. Т. 2. Москва: ГЭОТАР-Медиа, 2020. 376 с. doi: 10.33029/9704-5409-1-2-ONRD-2020-1-376
  3. Laganà G., Venza N., Borzabadi-Farahani A., et al. Dental anomalies: prevalence and associations between them in a large sample of non-orthodontic subjects, a cross-sectional study // BMC Oral Health. 2017. Vol. 17, N. 1. P. 62. doi: 10.1186/s12903-017-0352-y
  4. Куроедова В.Д., Макарова А.Н. Распространенность зубочелюстных аномалий у взрослых и доля асимметричных форм среди них // Свiт медицини та бiологii. 2012. Т. 8, № 4. С. 031–035. EDN: PONXAT
  5. Lepilin A.V., Dmitrienko S.V., Domenyuk D.A., et al. Dependence of stress strain of dental hard tissues and periodont on horizontal deformation degree // Archiv EuroMedica. 2019. Vol. 9, N. 1. P. 173–174. EDN: VMYAFR doi: 10.35630/2199-885X/2019/9/1/173
  6. Yuzbasioglu E., Kurt H., Turunc R., Bilir H. Comparison of digital and conventional impression techniques: evaluation of patients’ perception, treatment comfort, effectiveness and clinical outcomes // BMC Oral Health. 2014. Vol. 14. P. 10. doi: 10.1186/1472-6831-14-10
  7. Mangano F., Gandolfi A., Luongo G., Logozzo S. Intraoral scanners in dentistry: a review of the current literature // BMC Oral Health. 2017. Vol. 17, N. 1. P. 149. doi: 10.1186/s12903-017-0442-x
  8. Saccomanno S., Saran S., Vanella V., et al. The potential of digital impression in orthodontics // Dent J (Basel). 2022. Vol. 10, N. 8. Р. 147. doi: 10.3390/dj10080147
  9. Pahuja N., Doneria D., Mathur S. Comparative evaluation of accuracy of intraoral scanners vs conventional method in establishing dental measurements in mixed dentition // World J Dent. 2023. Vol. 14, N. 5. Р. 419–424. doi: 10.5005/jp-journals-10015-2231
  10. Арсенина О.И., Комарова А.В., Попова Н.В. Цифровые технологии для эффективного лечения пациентов с дистальной окклюзией и мышечно-суставной дисфункцией // Ортодонтия. 2022. № 3. С. 28–33. EDN: GQFKPP
  11. Иванов С.Ю., Дмитриенко С.В., Доменюк Д.А., и др. Вариабельность морфометрических параметров зубных дуг и костных структур височно-нижнечелюстного сустава при физиологических вариантах окклюзионных взаимоотношений // Институт стоматологии. 2021. № 3. С. 44–47. EDN: JWFDUL
  12. Hadadpour S., Noruzian M., Abdi A.H., et al. Can 3D imaging and digital software increase the ability to predict dental arch form after orthodontic treatment? // Am J Orthod Dentofacial Orthop. 2019. Vol. 156, N. 6 P. 870–877. doi: 10.1016/j.ajodo.2019.07.009
  13. Ермаков А.В., Лосев А.В. Сравнительный обзор интраоральных сканеров для врачей-ортодонтов // Российская стоматология. 2023. Т. 16, № 3. С. 44–48. EDN: XNCKJQ doi: 10.17116/rosstomat20231603144
  14. Lee K.M. Comparison of two intraoral scanners based on three-dimensional surface analysis // Prog Orthod. 2018. Vol. 19, N. 1. P. 6. doi: 10.1186/s40510-018-0205-5
  15. Schlenz M.A., Schupp B., Schmidt A., et al. New caries diagnostic tools in intraoral scanners: a comparative in vitro study to established methods in permanent and primary teeth // Sensors (Basel). 2022. Vol. 22, N. 6. P. 2156. doi: 10.3390/s22062156
  16. Deferm J.T., Schreurs R., Baan F., et al. Validation of 3D documentation of palatal soft tissue shape, color, and irregularity with intraoral scanning // Clin Oral Investig. 2018. Vol. 22, N. 3. P. 1303–1309. doi: 10.1007/s00784-017-2198-8
  17. Бородина И.Д., Григорьянц Л.С., Гаджиев М.А., и др. Сравнительная оценка точности отображения зубной дуги при помощи современных интраоральных 3D-сканеров // Российский стоматологический журнал. 2022. Т. 26, № 4. С. 287–297. EDN: NPAGCH doi: 10.17816/1728-2802-2022-26-4-287-297
  18. Рыбаков А. Оптимизация ортодонтического лечения на основе нейронных сетей, анализа конечными элементами и цифровых карт слизистой полости рта: дис. … канд. мед. наук. Санкт-Петербург, 2024. Режим доступа: https://disser.spbu.ru/files/2024/disser_rybakov_aleksandr.pdf Дата обращения: 07.08.2024. EDN: WCXDWJ
  19. Розов Р.А., Трезубов В.Н., Шалагинова А.В., Кусевицкий Л.Я. Сравнительная оценка in vitro точности стоматологических сканеров открытого типа при получении модели зубного ряда // Пародонтология. 2020. Т. 25, № 3. С. 231–236. EDN: MMDCTO doi: 10.33925/1683-3759-2020-25-3-231-236
  20. Natsubori R., Fukazawa S., Chiba T., et al. In vitro comparative analysis of scanning accuracy of intraoral and laboratory scanners in measuring the distance between multiple implants // Int J Implant Dent. 2022. Vol. 8, N. 1. P. 18. doi: 10.1186/s40729-022-00416-4
  21. Park G.H., Son K., Lee K.B. Feasibility of using an intraoral scanner for a complete-arch digital scan // J Prosthet Dent. 2019. Vol. 121, N. 5. P. 803–810. doi: 10.1016/j.prosdent.2018.07.014
  22. Апресян С.В. Комплексное цифровое планирование стоматологического лечения: дис. ... докт. мед. наук. Москва, 2020. Режим доступа: https://www.dissercat.com/content/kompleksnoe-tsifrovoe-planirovanie-stomatologicheskogo-lecheniya Дата обращения: 07.08.2024. EDN: LWZSAG
  23. Lin H., Pan Y., Wei X., et al. Comparison of the performance of various virtual articulator mounting procedures: a self-controlled clinical study // Clin Oral Investig. 2023. Vol. 27, N. 7. P. 4017–4028. doi: 10.1007/s00784-023-05028-9
  24. Thurzo A., Strunga M., Havlínová R., et al. Smartphone-based facial scanning as a viable tool for facially driven orthodontics? // Sensors (Basel). 2022. Vol. 22, N. 20. P. 7752. doi: 10.3390/s22207752
  25. Апресян С.В., Степанов А.Г., Антоник М.М., и др. Комплексное цифровое планирование стоматологического лечения (практическое руководство) / под ред. С.В. Апресяна. Москва: Мозартика, 2020. EDN: BFHWAT
  26. De Vos W., Casselman J., Swennen G.R. Cone-beam computerized tomography (CBCT) imaging of the oral and maxillofacial region: a systematic review of the literature // Int J Oral Maxillofac Surg. 2009. Vol. 386, N. 6. P. 609–625. doi: 10.1016/j.ijom.2009.02.028
  27. Хвостенко Е.А. Ортодонтическое лечение пациентов с аномалиями зубных рядов с применением несъемных аппаратов и ортодонтических минивинтов: автореф. дис. … канд. мед. наук. Москва, 2023. EDN: VFHWAF
  28. Махортова П.И. Клинико-рентгенологическое сравнение методов комбинированного лечения пациентов с сужением верхней челюсти: дис. … канд. мед. наук. Москва, 2020. Режим доступа: https://www.dissercat.com/content/kliniko-rentgenologicheskoe-sravnenie-metodov-kombinirovannogo-lecheniya-patsientov-s-suzhen Дата обращения: 07.08.2024. EDN: TQEVDI
  29. Васильев Ю.А. Цифровая микрофокусная технология рентгенографии в оценке анатомического строения зубов: экспериментальное исследование: дис. ... канд. мед. наук. Санкт-Петербург, 2015. Режим доступа: https://viewer.rsl.ru/ru/rsl01005565409?page=1&rotate=0&theme=white Дата обращения: 07.08.2024. EDN: NEBUBX
  30. Староверов Н.Е., Грязнов А.Ю., Потрахов Н.Н., и др. Новые методы цифровой обработки микрофокусных рентгеновских изображений // Медицинская техника. 2018. Т. 6, № 312. С. 53–55. EDN: YWIGMX
  31. Ничипор Е.А. Возможности микрофокусной конусно-лучевой компьютерной томографии в визуализации стоматологических материалов и инородных объектов (экспериментальное исследование): дис. ... канд. мед. наук. Москва, 2021. Режим доступа: https://dissov.msmsu-portal.ru/image/image/2023/06/02/Диссертация_ Ничипор_ЕА.pdf Дата обращения: 07.08.2024. EDN: VUIOLH
  32. Pirilä-Parkkinen K., Löppönen H., Nieminen P., et al. Validity of upper airway assessment in children: a clinical, cephalometric, and MRI study // Angle Orthod. 2011. Vol. 81, N. 3. P. 433–439. doi: 10.2319/063010-362.1
  33. Апресян С.В., Степанов А.Г., Сопоцинский Д.В., и др. 3D планирование стоматологического лечения. Методическое пособие. Москва: ООО «Новик», 2020. 140 с.
  34. Abesi F., Maleki M., Zamani M. Diagnostic performance of artificial intelligence using cone-beam computed tomography imaging of the oral and maxillofacial region: A scoping review and meta-analysis // Imaging Sci Dent. 2023. Vol. 53, N. 2. P. 101–108. doi: 10.5624/isd.20220224
  35. Verhelst P.J., Smolders A., Beznik T., et al. Layered deep learning for automatic mandibular segmentation in cone-beam computed tomography // J Dent. 2021. Vol. 114. P. 103786. doi: 10.1016/j.jdent.2021.103786
  36. Ahmed N., Abbasi M.S., Zuberi F., et al. Artificial intelligence techniques: analysis, application, and outcome in dentistry — a systematic review // Biomed Res Int. 2021. Vol. 2021. P. 9751564. doi: 10.1155/2021/9751564
  37. Pethani F. Promises and perils of artificial intelligence in dentistry // Aust Dent J. 2021. Vol. 66, N. 2. P. 124–135. doi: 10.1111/adj.12812
  38. Kordass B., Gärtner C., Söhnel A., et al. The virtual articulator in dentistry: concept and development. // Dent Clin North Am. 2002. Vol. 46, N. 3. P. 493–506. doi: 10.1016/s0011-8532(02)00006-x
  39. Carossa M., Cavagnetto D., Ceruti P., et al. Individual mandibular movement registration and reproduction using an optoeletronic jaw movement analyzer and a dedicated robot: a dental technique // BMC Oral Health. 2020. Vol. 20, N. 1. P. 271. doi: 10.1186/s12903-020-01257-6
  40. Revilla-León M., Kois D.E., Kois J.C. A guide for maximizing the accuracy of intraoral digital scans. Part 1: Operator factors // J Esthet Restor Dent. 2023. Vol. 35, N. 1. P. 230–240. doi: 10.1111/jerd.12985
  41. Solaberrieta E., Garmendia A., Minguez R., et al. Virtual facebow technique // J Prosthet Dent. 2015. Vol. 114, N. 6. P. 751–755. doi: 10.1016/j.prosdent.2015.06.012
  42. Пантелеев В.Д., Рощин Е.М., Пантелеев С.В. Диагностика нарушений артикуляции нижней челюсти у пациентов с дисфункциями височно-нижнечелюстного сустава // Стоматология. 2011. Т. 90, № 1. С. 52–57. EDN: OYEMWN
  43. Пархамович С.Н., Битно В.Л., Битно М.В. Сравнительный анализ современных методов регистрации шарнирной оси (обзор) // Современная стоматология. 2020. № 1. С. 80–85. EDN: STLWWP
  44. Григоренко М.П. Цифровые подходы диагностики и лечения пациентов с аномалиями формы зубных дуг: дис. … канд. мед. наук. Ставрополь, 2024. Режим доступа: https://rusneb.ru/catalog/ 000199_000009_012687348/ Дата обращения: 07.08.2024. EDN: CEGQSF
  45. Арутюнов С.Д., Гветадзе Р.Ш., Лебеденко И.Ю., Степанов А.Г. Инновационные решения в стоматологии. Москва: Практическая медицина, 2019. ISBN: 978-5-98811-569-4 EDN: BRABVP ISBN: 978-5-98811-569-4
  46. Castroflorio T., Sedran A., Parrini S., et al. Predictability of orthodontic tooth movement with aligners: effect of treatment design // Prog Orthod. 2023. Vol. 24, N. 1. P. 2. doi: 10.1186/s40510-022-00453-0
  47. Tsolakis I.A., Panos P., Papadopoulos M.A. Accuracy of the ClinCheck prediction outcome for orthodontic treatment with Invisalign. A 3D digital casts study // Conference: International Symposium, Greek Orthodontic Society. 2022. P. 2.
  48. Пилипенко Н.Д., Максюков С.Ю. Оценка точности прогнозирования расширения верхнего зубного ряда с применением программного обеспечения ClinCheck // Российский стоматологический журнал. 2021. Т. 25, № 2. C. 159–166. EDN: KKYDWU doi: 10.17816/1728-2802-2021-25-2-159-166
  49. Ряховский А.Н., Бойцова Е.А. 3D-анализ височно-нижнечелюстного сустава и окклюзионных взаимоотношений на основе компьютерного виртуального моделирования // Стоматология. 2020. Т. 99, № 2. С. 97–104. EDN: SYSPXL doi: 10.17116/stomat20209902197
  50. Liang Y.M., Rutchakitprakarn L., Kuang S.H., Wu T.Y. Comparing the reliability and accuracy of clinical measurements using plaster model and the digital model system based on crowding severity // J Chin Med Assoc. 2018. Vol. 81, N. 9. P. 842–847. doi: 10.1016/j.jcma.2017.11.011
  51. Eid H.S.E., Elhiny O.A. Evaluation of an open access generic 3D software for Orthodontic diagnosis and treatment planning // Brazilian Journal of Oral Sciences, Limeira, SP. Vol. 21. P. e227903. doi: 10.20396/bjos.v21i00.8667903
  52. Hammam K.I., Nassef E., AL Dawltaly M. Comparing program compatibility for dental operators between different in-office clear aligners software // Future Dental Journal. 2024. Vol. 9, N. 2. P. 111–115. doi: 10.54623/fdj.9027

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Эко-Вектор, 2024

Ссылка на описание лицензии: https://eco-vector.com/for_authors.php#07
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».