A mesterséges intelligencia megjelenésének emberi erőforrás aspektusa a fogszabályozás területén

  • Ádám Hermann Budapesti Corvinus Egyetem II. éves mesterszakos Vállalkozásfejlesztési hallgató
  • Attila Dr. Virág Budapesti Corvinus Egyetem, Vállalkozás és Innováció Intézet, Innováció és Üzleti Inkubáció Tanszék
DOI: https://doi.org/10.33891/FSZ.118.1.1-7
Kulcsszavak: fogszabályozás, mesterséges intelligencia, sínes terápia

Absztrakt

A fogszabályozás a fogorvoslás speciális területe. Bár Magyarországon a fogorvosi diploma megszerzését követően
szinte teljes kompetenciával dolgozhatnak a fogorvosok, a fogszabályozás olyan speciális tudást igényel, amely nélkül
nem lenne szabad fogszabályozó tevékenységet végezni a fogorvosoknak. Ezeket az ismereteket nem lehet néhány
napos kurzusokon elsajátítani – fontos lenne a 3 éves szakképzésben való részvétel. A fogszabályozás területén a sínes
terápia, valamint a mesterséges intelligencia elterjedésével egyre több, fogszabályozás szakvizsgával nem rendelkező
általános fogorvos vállalkozik fogszabályozásra. A mesterséges intelligencia egy bizonyos szinten pótolja a fogorvos
tudásbeli hiányosságait, azonban nem tudja helyettesíteni a 3 éves szakképzés során megszerezhető tudást és
tapasztalatokat.

Hivatkozások

Bichu YM, Hansa I, Bichu AY, Premjani P, Flores-Mir C, Vaid NR :

Applications of artificial intelligence and machine learning in

orthodontics: A scoping review. Prog Orthod 2021; 22, 18–24.

https://doi.org/10.1186/s40510-021-00361-9

Felkai T, Rózsa N: Az Invisalign® technológia legújabb fejlesztései

és ezek összehasonlítása a különböző sínes fogszabályozó

technikákkal. Magyar Fogorvos 2018/1; 12–17.

Ferlias N, Andrzej M, Troels O, Diekema N, Kristensen MG,

Kristensen MK, Stoustrup P: Online information on orthodontic

treatment in Denmark: A population-based quality assessment.

Am J Orthod Dentofacial Orthop Clin Companion 2021; 1: 119–126.

https://doi.org/10.1016/j.xaor.2021.05.001

Geetha V, Aprameya KS, Hinduja DM: Dental caries diagnosis in

digital radiographs using back-propagation neural network.

Health Inf Sci Syst 2020; 8, 1–14.

https://doi.org/10.1007/s13755-019-0096-y

Jorgensen G: Rethinking American Board of Orthodontics

Certification: A paradigm shift. Am J Orthod Dentofac Orthop

; 151: 1–2.

https://doi.org/10.1016/j.ajodo.2016.10.013

Khanagar SB, Al-Ehaideb A, Maganur PC, Vishwanathaiah S,

Patil S, Baeshen HA, Sarode SC, Bhandi S: Developments,

application, and performance of artificial intelligence in dentistry.

A systematic review. J Dent Sci 2021; 16, 508–522.

https://doi.org/10.1016/j.jds.2020.06.019

Krois J, Ekert T, Meinhold L, Golla T, Kharbot B, Wittemeier A,

Dörfer C, Schwendicke F: Deep Learning for the Radiographic

Detection of Periodontal Bone Loss. Sci Rep 2019; 9, 8495–8499.

https://www.nature.com/articles/s41598-019-44839-3

Ossowska A, Kusiak A, Swietlik D: Artificial Intelligence in Dentistry.

Narrative Review. Int J Environ Res Public Health 2022; 19,

–3456.

https://doi.org/10.3390/ijerph19063449

Pörzse V, Németh O, Horváth J: Mélyhúzott sínes fogszabályozó

rendszerek bemutatása. Magyar Fogorvos 2017/6; 292–296.

Wishney M, Burt I, Pirgul T, Linde Ch, Petocz P, Dalci O,

Darendeliler MA: The public perception of the differences

between specialist orthodontists and general dentists:

A comparison between Australia and Sweden.

Am J Orthod Dentofac Orthop 2020 July; 158: 68–74.

https://doi.org/10.1016/j.ajodo.2019.07.016

Megjelent
2025-08-05
Hogyan kell idézni
Hermann Ádám, & Dr. Virág A. (2025). A mesterséges intelligencia megjelenésének emberi erőforrás aspektusa a fogszabályozás területén. Fogorvosi Szemle, 118(1), 2-7. https://doi.org/10.33891/FSZ.118.1.1-7
Folyóirat szám
Évf. 118 szám 1 (2025): Fogorvosi Szemle
Rovat
Eredeti cikk (original article)

Copyright (c) 2025 szerzők

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.