Application of Biomaterials and Artificial Intelligence Technologies in the Prevention and Treatment of Dental Caries in Children: A Systematic Review

Full Text

Введение

Появление кариеса молочных и постоянных зубов у детей и подростков по‑прежнему остается актуальной проблемой, так как данная проблема влияет на качество жизни, успеваемость и общее состояние здоровья ребёнка [1]. Несмотря широкий комплекс профилактических мероприятий, большая часть детей нуждается в лечении кариозно поврежденных зубов. Уязвимость временных зубов, ограниченная кооперация пациентов детского возраста, а также дефицит стоматологических ресурсов в ряде регионов требуют разрабатывать и применять минимально инвазивные, предсказуемые и экономически оправданные подходы [2].

За последние десятилетия в педиатрической стоматологии сформировался спектр биоматериалов, ориентированных на биосовместимость, реминерализующий потенциал и возможность работы в условиях ограниченной изоляции. К ним относятся стеклоиономерный цемент и гибридные композиты, цирконивые составы, биоактивные композиты, кальций‑силикатный цемент для пульпотоми, а также серебросодержащие препараты, включая серебряный диаминфторид и серебро‑модифицированные техники (SMART) [3]. Параллельно развивается методики мини инвазивного вмешательства: atraumatic restorative treatment (ART), Hall‑техника, нереставрационное ведение кариеса, селективное удаление размягчённого дентина в глубоких полостях [4].

Не отстает в развитии технологии искусственного интеллекта (ИИ) в прогнозировании и диагностике различных заболеваний, в том числе и кариеса. Модели машинного и глубокого обучения создаются на основе различных опросников, клинических данных, изображений, а также внедряются в виде цифровых профилактических инструментов (например, чат‑ботов для родителей) [5]. Такие решения потенциально могут помочь более точно выявлять пациентов с риском развития того или иного заболевания, в том числе и детей с кариесом.

Существующие обзоры, как правило, рассматривают биоматериалы и ИИ раздельно. Отсутствует целостный анализ, показывающий, как стратификация риска с помощью ИИ может сочетаться с малоинвазивными биоматериальными подходами у детей и насколько прочна доказательная база для каждого из блоков. Это ограничивает возможность интегрировать данные технологии в клинические протоколы и профилактические программы.

Целью настоящей работы было провести систематический обзор клинических исследований, посвящённых применению биоматериалов и технологий искусственного интеллекта в профилактике и лечении кариеса у детей и подростков, оценить качество доказательств и указать ключевые направления для дальнейших исследований и клинической практики.

Материалы и методы

Дизайн исследования

Проведён систематический обзор в соответствии с рекомендациями PRISMA 2020. Критерии отбора формулировались по схеме PICO (Patient/Population (Пациент/Популяция), Intervention (Вмешательство), Comparison (Сравнение), Outcome (Исход)).

Критерии включения

Популяция (P): дети и подростки до 18 лет с кариесом временных или постоянных зубов либо с высоким риском его развития.

Вмешательства (I):

• технологии искусственного интеллекта, применяемые для диагностики, прогнозирования или профилактики кариеса (модели машинного/глубокого обучения, цифровые профилактические программы, чат‑боты);
• стоматологические биоматериалы и минимально инвазивные подходы при лечении кариеса и его осложнений (ART с использованием различных стеклоиономеров, гёмеры, стекл‑гибриды, цирконий‑усиленные материалы, серебряный диаминфторид, SMART‑техника, Hall‑техника, кальций‑силикатные цементы для пульпотомии, материалы для пульпэктомии и др.).

Сравнения (C): традиционные методы лечения (конвенциональные реставрации, классическая пульпотомия или пульпэктомия с историческими материалами), другие биоматериалы, альтернативные цифровые или нецифровые профилактические вмешательства, стандартная помощь или отсутствие вмешательства.

Исходы (O): распространённость и прирост кариеса (dmft/dmfs, DMFT/DMFS), доля купированных поражений, выживаемость реконструкций, клинико‑рентгенологический успех пульпотомии/пульпэктомии, изменения индексов налёта, поведенческие и образовательные эффекты, точность диагностических и прогностических моделей (чувствительность, специфичность, AUC).

Типы исследований: рандомизированные контролируемые исследования (РКИ), контролируемые клинические испытания и когортные исследования. Для блока ИИ также включались диагностические исследования с оценкой точности алгоритмов. Систематические обзоры и мета‑анализы включались для описательного анализа и контекстуализации результатов.

Критерии исключения

Исключались in vitro‑работы, исследования на животных, чисто технические описания алгоритмов без клинических исходов, исследования только во взрослой популяции, работы по другим нозологиям, case‑reports, обзоры без оригинальных данных, а также статьи без полноценного текста на английском или русском языке.

Поисковая стратегия

Основной поиск был выполнен в базе PubMed и Google Scholar с 2020 по 2025 года. Для поиска использовался следующий запрос: ("dental caries"[MeSH Terms] OR "dental caries"[All Fields]  OR "early childhood caries"[All Fields]  OR "pediatric dental caries"[All Fields]  OR "tooth, deciduous"[MeSH Terms] OR "primary teeth"[All Fields] OR "deciduous teeth"[All Fields]) AND ("child"[MeSH Terms] OR "children"[All Fields] OR "pediatric"[All Fields] OR "paediatric"[All Fields] OR "infant"[MeSH Terms] OR "infant*"[All Fields] OR "adolescent"[MeSH Terms] OR "adolescen*"[All Fields]) AND ("biocompatible materials"[MeSH Terms] OR "biomaterials"[MeSH Terms] OR biomaterial*[All Fields] OR "bioactive"[All Fields]  OR "glass ionomer cements"[MeSH Terms] OR "glass ionomer"[All Fields] OR "resin-modified glass ionomer"[All Fields] OR giomer*[All Fields] OR "bioactive composite*"[All Fields] OR "casein phosphopeptide"[All Fields] OR "amorphous calcium phosphate"[All Fields] OR "CPP-ACP"[All Fields] OR hydroxyapatite[All Fields] OR "calcium phosphate"[All Fields] OR "resin infiltration"[All Fields] OR infiltrat*[All Fields] OR "fissure sealant*"[All Fields] OR sealant*[All Fields] OR chitosan[All Fields] OR "silver diamine fluoride"[All Fields] OR "artificial intelligence"[MeSH Terms] OR "artificial intelligence"[All Fields] OR "machine learning"[MeSH Terms] OR "machine learning"[All Fields] OR "deep learning"[All Fields] OR "neural network*"[All Fields] OR "convolutional neural network*"[All Fields] OR "computer-assisted"[All Fields] OR "decision support systems, clinical"[MeSH Terms] OR "decision support"[All Fields] OR "image analysis"[MeSH Terms] OR "image analysis"[All Fields]).

Отбор исследований

Все найденные записи импортировали в менеджер библиографии, удаляли дубликаты и последовательно проводили скрининг по названию и аннотации, затем по полному тексту. На этом этапе оценивали соответствие критериям PICO и исключали работы с нерелевантной популяцией или вмешательством. В результате в качественный анализ были включены 22 оригинальное клиническое исследование (из них подавляющее большинство – РКИ) и три систематических обзора с мета‑анализом. Семь оригинальных исследований относились к технологиям ИИ, четырнадцать – к биоматериалам и минимально инвазивным подходам.

Извлечение данных и оценка качества

Для каждого включённого исследования извлекали сведения о дизайне, стране и уровне оказания помощи, численности и возрасте участников, критериях включения, характеристиках вмешательств и сравнений, длительности наблюдения, первичных и вторичных исходах, а также основных результатах. Оценка риска систематической ошибки выполнялась с использованием шкалы RoB 2.0 для рандомизированных исследований и ROBINS‑I для неконтролируемых и псевдорандомизированных работ. Для диагностических исследований по ИИ дополнительно учитывали домены QUADAS‑2 (отбор пациентов, индекс‑тест, референс‑стандарт, поток и время). Для систематических обзоров применяли укороченную версию AMSTAR 2.

Синтез данных

Из‑за выраженной клинической и методологической гетерогенности (разные индексы кариеса, неодинаковые исходы, различная длительность наблюдения и алгоритмы ИИ) количественный мета‑анализ не проводился; выполнен структурированный качественный синтез. Результаты представлены раздельно для блока ИИ и блока биоматериалов с дальнейшим делением на тематические подгруппы (прогностические модели и цифровые вмешательства; ART и стеклоиономеры; гибридные композиты; серебросодержащие материалы и SMART; витальная терапия и пульпотомия; пульпэктомия; лечение гипоминерализованных моляров и альтернативные стратегии лечения).

Результаты

Общая характеристика включённых исследований

Поиск в PubMed и Google Scholar выявил 1270 записей. После удаления 312 дубликатов осталось 958 публикаций. На этапе оценки по названию и аннотации исключено 804 работ из-за нерелевантности тематики, взрослых выборок или отсутствия клинических данных. Полнотекстовая проверка проведена для 154 статей, из которых 132 были исключены по следующим причинам: отсутствие доступа к полному тексту (n=18), отсутствие клинических исходов (n=42), несоответствие вмешательств критериям PICO (n=47), нерелевантная популяция (n=25). В итоговый качественный анализ включено 22 исследования (рисунок 1).

Рисунок 1. PRISMA flow-diagram

Исследования по искусственному интеллекту (таблица 1)

Три крупные работы (Karhade и соавт., Ramos‑Gomez и соавт., Park и соавт.) построили модели машинного обучения на основе клинико‑социальных и анкетных данных. В популяционной когорте более 6400 детей 3–5 лет AutoML‑классификатор раннего детского кариеса показал наилучшее качество при минимальном наборе предикторов (возраст ребёнка и родительская самооценка состояния зубов): AUC около 0,74 во внутренней и 0,80 во внешней валидации, с чувствительностью ~0,7. При увеличении числа переменных точность модели не улучшалась [6]. В корейской национальной выборке логистическая регрессия и три алгоритма машинного обучения (XGBoost, random forest, LightGBM) продемонстрировали сопоставимые AUC в пределах 0,77–0,79, без статистически значимого преимущества ML над классической регрессией [7]. В небольшой городской выборке Лос‑Анджелеса алгоритм random forest по 34‑пунктовой анкете родителей обеспечивал высокую чувствительность при умеренной специфичности, позволяя использовать его как чувствительный скрининг‑инструмент [8].

В зонтичный обзор Arzani и соавт. было включено 14 систематических обзоров, в которых суммарно анализировались 137 первичных исследований, однако только в 20 из них были диагностические таблицы и были использованы в метаанализе. Сводная чувствительность алгоритмов ИИ для выявления кариеса составила 0,85, специфичность – 0,90, площадь под ROC-кривой – 0,86, а диагностическое отношение шансов было порядка 70, что сопоставимо с вышеуказанными результатами. При условной распространённости кариеса 27,3 % положительный результат теста был ассоциирован с 79%  вероятностью заболевания, тогда как отрицательный был ассоциирован  с вероятность развития кариеса менее 6%. Вместе с тем авторы отмечают выраженную гетерогенность (I²>95 %), наличие публикационного смещения в части первичных исследований, а также отсутствие отдельного анализа для детской популяции, что ограничивает экстраполяцию результатов на педиатрическую стоматологию [5].

Исследование Wu и соавт. иллюстрировало потенциал мультиплатформенных моделей, объединяющих микробиом ребёнка и матери, наличие инфекции, клинические индексы и поведенческие факторы. С помощью LASSO‑регрессии авторы выделили специфические комбинации видов (Prevotella histicola, Streptococcus mutans, Rothia spp. и др.) и поведенческих характеристик, ассоциированных с наличием кариеса у детей; однако малый размер выборки и отсутствие внешней валидации ограничивают обобщаемость этих выводов [9].

РКИ, где ИИ использовался в качестве инструмента профилактики, стало исследование Hunsrisakhun и соавт., в котором оценивали два способа обучения пациентов: чат‑бот, дополненный очным обучением родителей технике чистки зубов, и самостоятельное использование чат‑бота. Обе группы показали значительное снижение индекса налета, а также улучшились гигиенические привычки, однако это все не имело влияние на развитие кариеса. Однако авторы отмечают, что влияние поведенческих привычек требует большего срока наблюдения для получения клинических улучшений [10].

Rokhshad и соавторами был опубликован систематический обзор с мета‑анализом 21-го исследования посвященных использованию ИИ с целью диагностики раннего кариеса у детей. Уровень эффективности при диагностики был на уровне опытных стоматологов. (чувствительность и специфичность ИИ‑моделей составили около 0,80 и 0,81 соответственно) [11]. Похожие результаты показал обзор Priyanka и соавт. Выяснилось, что современные алгоритмы (SVM, XGBoost, CNN, ANN) достигают 88–99 % точности в диагностике и прогнозировании кариеса у детей, однако необходимо отметить, что большинство работ имеют не большую выборку [12].

Таблица 1. Характеристики включённых исследований, посвящённых технологиям искусственного интеллекта
№	Автор, год	Страна / контекст	Дизайн	Популяция (N, возраст)	Вмешательство (ИИ/материал)	Сравнение / референс	Основные исходы	Наблюдение	Ключевые результаты (кратко)	Риск систематической ошибки
1	Karhade et al., 2021	США, клиника + национальное обследование (NHANES)	Кросс-секционное прогностическое исследование	6404 детей 3–5 лет (derivation), 2308 детей 3–5 лет (валидация)	Платформа AutoML для классификации раннего детского кариеса по клинико-социальным данным	Логистическая регрессия; клинический диагноз ECC	AUC, чувствительность, специфичность, связь с dmfs	Одномоментно + внешняя валидация	Простая модель показала AUC ≈0,74–0,80; сложные модели и логистическая регрессия не превосходили её.	QUADAS-2: некоторые сомнения (ретроспективный анализ, ограниченное описание отбора признаков).
2	Ramos-Gomez et al., 2021	США, городская клиника	Кросс-секционное диагностическое исследование	182 ребёнка 2–7 лет	Random forest по 34-пунктовой анкете родителей для предсказания активного кариеса и кариозного опыта	Клинический диагноз кариеса	Точность, чувствительность, специфичность	Одномоментно	Высокая чувствительность при умеренной специфичности; модель пригодна как скрининговый инструмент с внешним контролем.	QUADAS-2: высокий риск (малый размер выборки).
3	Park et al., 2021	Республика Корея, KNHANES	Кросс-секционное прогностическое исследование	4195 детей 1–5 лет	Модели XGBoost, random forest и LightGBM для предсказания ECC	Логистическая регрессия; данные клинического осмотра	AUC, точность, важность предикторов	Одномоментно	Все модели показали AUC около 0,77–0,79; явного преимущества ML над логистической регрессией не выявлено.	QUADAS-2: некоторые сомнения (вторичный анализ опроса, отсутствие внешней валидации).
4	Wu et al., 2021	Китай, клиническое исследование	Кросс-секционное proof-of-concept	Около 70 детей <6 лет и их матери	LASSO-модель по микробиому слюны/налёта, наличию Candida и поведенческим факторам	Клинический диагноз раннего детского кариеса	AUC, чувствительность, специфичность, ключевые микробные и поведенческие предикторы	Одномоментно	Выявлены специфические микробиомные профили, ассоциированные с ECC, но малый размер выборки и отсутствие внешней валидации ограничивают выводы.	QUADAS-2: высокий риск (малый N, отсутствие внешней валидации).
5	Hunsrisakhun et al., 2025	Таиланд, районные поликлиники	РКИ, параллельные группы	320 пар «ребёнок 6–42 мес – опекун»	Чат-бот 21-Day FunDee + очное обучение чистке зубов	Тот же чат-бот без очного обучения	dmft/dmfs, индекс налёта, гигиенические и пищевые привычки	3 и 6 месяцев	В обеих группах улучшились гигиена и диета; различий по приросту кариеса за 6 месяцев не выявлено.	RoB 2.0: некоторые сомнения (невозможность ослепления, самоотчёт по поведению).

Исследования по биоматериалам и минимально инвазивным подходам (таблица 2)

В систематический обзоре Dipalma и соавт. анализировались публикации. посвященные атравматической реставрации (ART) стеклоиономерным цементам (ВЫСОКОВЯЗКИЙ СТЕКЛОИОНОМЕРНЫЙ ЦЕМЕНТ). В обзор было включено 18 клинических исследований атравматической реставрации у детей за последние 10 лет. Результаты подтвердили, что при одноповерхностных поражениях применение высоковязких стеклоиономерный цемент ассоциировано с высокой выживаемостью, тогда как многоповерхностные полости остаются «слабым местом» методики. Другие РКИ, посвященные сравнению материалов различного качества, показали, что не дорогjq стеклоиономерный цемент демонстрируют более низкую долговечность по сравнению с материалами с более высоким качеством. Общая выживаемость окклюзо‑проксимальных реставраций была значительно ниже (в среднем в 40–60 %) по сравнению с выживаемостью окклюзионных реставраций (около 70–75 %) [13].

Так же не мало внимания уделялось модификациям техники ART. В крупном РКИ, изучавшем использование ретенционных борозд при Class II реставрациях, статистически значимо была ассоциировано с высоким показателем двухлетней выживаемости (около 92 % против 77 % через 12 месяцев). Отдельные работы показали пользу двухслойной технике нанесения стеклоиономерного цемента и применения нанонаполненных защитных покрытий [13].

Таблица 2. Характеристики включённых клинических исследований по биоматериалам и минимально инвазивным методам
№	Автор, год	Страна / контекст	Дизайн	Популяция (N, возраст)	Вмешательство (ИИ/материал)	Сравнение / референс	Основные исходы	Наблюдение	Ключевые результаты (кратко)	Риск систематической ошибки
1	Oliveira et al., 2021	Бразилия, университетская клиника	РКИ, параллельные группы	145 детей 3–10 лет, 324 ART-реставрации	ART с Fuji IX (ручной замес)	ART с Equia Fill (капсулированный HV-GIC)	Выживаемость реставраций, повторное лечение	24 месяца	Выживаемость 58,2 % (ручной) и 60,1 % (капсулы); различий нет, многоповерхностные полости ассоциированы с большей частотой отказов.	RoB 2.0: некоторые сомнения (невозможность ослепления, умеренные потери к наблюдению).
2	Garbim et al., 2024	Бразилия, школьная программа	РКИ, параллельные группы	Около 140 детей 5–8 лет, 250 окклюзо-проксимальных реставраций	ART с Equia Forte (капсулированный HV-GIC)	ART с Riva Self Cure	2-летняя выживаемость, стоимость лечения	24 месяца	Общая выживаемость около 39 %, без различий между материалами; Riva Self Cure менее затратен.	RoB 2.0: высокий риск (значительные потери к наблюдению).
3	Pesaressi et al., 2024	Перу, государственная служба	РКИ, параллельные группы	187 детей 4–8 лет, 293 реставрации Class II	ART с HV-GIC и ретенционными бороздами	ART с тем же HV-GIC без борозд	Клинический успех реставраций	12 месяцев	Успех 91,8 % при наличии борозд и 77,2 % без; добавление ретенций существенно повышает выживаемость.	RoB 2.0: низкий риск.
4	Pássaro et al., 2022	Бразилия	РКИ, параллельные группы	182 ребёнка 4–8 лет с окклюзо-проксимальным кариесом	ART с Equia Forte (HV-GIC)	ART с giomer-композитом Beautifil Bulk	Выживаемость реставраций	24 месяца	Выживаемость 58 % (GIC) и 49 % (giomer); статистически значимых различий нет.	RoB 2.0: некоторые сомнения (частичные потери к наблюдению).
5	Özgür et al., 2022	Турция, специализированная клиника	РКИ, split-mouth	39 детей 6–12 лет с MIH, 78 первых постоянных моляров	Гёмер-силант на MIH-поражённые моляры	Смоляной фиссурный силант	Сохранность силантов, необходимость повторного вмешательства	12 месяцев	Сохранность 8 % (giomer) против 68 % (смоляной силант); гёмер значительно уступает по ретенции.	RoB 2.0: низкий риск.
6	Mahfouz et al., 2025	Египет	РКИ, параллельные группы	88 гипоминерализованных первых постоянных моляров у детей 7–10 лет	Zirconomer (цирконий-усиленный GIC)	Equia Forte (стекл-гибридный GIC)	Боль, чувствительность, клинический успех	12 месяцев	Успех 86,4 % (Zirconomer) и 84,1 % (Equia); статистически значимых различий нет.	RoB 2.0: некоторые сомнения.
7	Satyarup et al., 2022	Индия, школьная программа	РКИ, кластерное	190 детей 6–12 лет	38 % серебряный диаминфторид (SDF)	ART с HV-GIC	Арест кариеса, прирост кариозных поражений, длительность процедуры	9 месяцев	SDF обеспечил более высокую долю арестованных поражений и меньшую длительность лечения по сравнению с ART.	RoB 2.0: некоторые сомнения (кластерный дизайн, ограниченное ослепление).
8	Patel et al., 2022	Индия	Проспективное сравнительное исследование	Дети 4–8 лет, 60 молочных моляров с глубоким бессимптомным кариесом	SMART как непрямое покрытие пульпы (SDF + GIC)	Традиционная витальная терапия (IPT/пульпотомия)	Клинический и рентгенологический успех	12 месяцев	Клинический успех 96,15 % (SMART) и 100 % (традиционный протокол); различий не выявлено.	ROBINS-I: некоторые сомнения (нерандомизированный дизайн).
9	Gerihan et al., 2024	Египет	РКИ, параллельные группы	63 молочных моляра с обратимым/необратимым пульпитом	Пульпотомия с использованием MTA	Пульпотомия с использованием Biodentine	Клинический и рентгенологический успех, уровни MMP-2, -8, -9	18 месяцев	Высокий успех в обеих группах, существенных различий между материалами нет; MMP-профили отражают степень воспаления.	RoB 2.0: низкий риск.
10	FarokhGisour et al., 2024	Иран	РКИ, параллельные группы	96 молочных моляров у детей 3–9 лет	Пульпотомия с формокрезолом, портландцементом или NeoMTA Plus	Сравнение трёх материалов	Клинический и рентгенологический успех	12 месяцев	Клинический успех 100 % во всех группах; рентгенологический успех >93 %, NeoMTA Plus имел наивысшие показатели.	RoB 2.0: некоторые сомнения (отсутствие ослепления оценщика).
11	Khadilkar et al., 2024	Индия	РКИ, параллельные группы	75 молочных моляров у детей 4–8 лет	Обтурация каналов Endoflas, Metapex или Ca(OH)₂+ZnO	Сравнение трёх материалов	Клинический и рентгенологический успех пульпэктомии	6 месяцев	Успех 95–96 % для всех материалов; значимых различий не выявлено.	RoB 2.0: высокий риск (короткий срок наблюдения).
12	Narbutaite et al., 2024	Литва, стоматологическая поликлиника	РКИ, параллельные группы	186 детей 3–8 лет с кариесом молочных моляров	Hall-техника с использованием стальных коронок	Традиционные реставрации и нереставрационное лечение (NRCT)	Клинический успех, необходимость повторного лечения	24 месяца	Клинический успех ≈94 % для Hall-техники против 61 % для традиционных реставраций и 43 % для NRCT.	RoB 2.0: низкий риск.

 

Гибридные композиты

РКИ Pássaro и соавт. сравнивали атравматические реставрации на окклюзо‑проксимальных поражениях из Equia Forte (стеклоиономерный цемент) и гиомер‑композита Beautifil Bulk. Через 24 месяца выживаемость составила 58 % и 49 % соотвествено, то есть значимых преимущество ни одного из методов не выявлено [14]. В отдельном РКИ применение гиомер‑силанта на гипоминерализованных на коренных молярах показало резко худшую ретенцию по сравнению с традиционным смоляным силантом (8 % против 68 % сохранности через год), что ставит под сомнение целесообразность использования гиомнра в качестве силантов при гипоминерализованной эмали (MIH).

Наоборот, цирконий‑усиленный композит (Zirconomer) и стекл‑гибридный композит (Equia Forte) при ART‑реставрации гипоминерализованных моляров показали сопоставимое снижение боли и чувствительности и высокую выживаемость в течение одного года (около 84–86 %), демонстрируя, что усиленные композиты могут выступать надежным материалом в сложных клинических случаях [15].

Несколько РКИ сравнили применение 38 % серебряного диаминфторида (SDF), с классической атравматической реставрацией и консервативным лечением. SDF показал более высокую долю купированных кариозных процессов поражений и меньшую длительность процедуры по сравнению с ART, а сочетание SDF с последующим применением стеклоиономерный цемент (SMART‑подход) во многих исследованиях демонстрировало либо преимущество, либо как минимум не худшую выживаемость реставраций при меньших затратах времени и средств. При лечении бессимптомных глубоких кариозных поражений непрямое покрытие пульпы по SMART‑схеме показало клинико‑рентгенологический успех, сопоставимый с традиционными методами витальной терапии, при этом избегая полной пульпотомии [16].

Два современных РКИ оценивали кальций‑силикатные материалы для пульпотомии. В исследовании Gerihan и соавт. сравнивали клинический успех минерального триоксида (МТА) и Biodentine у детей с пульпитом, одновременно анализируя уровень матриксных металлопротеиназ (ММР) в крови. В обоих материалах через 18 месяцев клинико‑рентгенологический показатели были на высоком уровне, без значимых различий. Изменения уровней MMP отражали различия между обратимым и необратимым воспалением пульпы [17]. В РКИ Farokh Gisour и соавт. формокрезол сравнивали с портландцементом и NeoMTA Plus: через 12 месяцев клинический успех во всех группах достигал 100 %, а рентгенологический – более 93 %, причём NeoMTA Plus демонстрировал тенденцию к лучшим результатом среди исследуемых, однако без статистически значимых различий. Эти данные подтверждают возможность постепенного отказа от формокрезола в пользу более биосовместимых кальций‑силикатных цементов [18].

В одном исследование Khadilkar и соавт. показали, что три самых распространенных материала для закрытия корневых каналов (Endoflas, Metapex и смесь Ca(OH)2 с оксидом цинка) обеспечивают сопоставимый ранний клинический успех (около 95–96 % через 6 месяцев) при пульпэктомии молочных моляров, однако демонстрируют различия в поведении при различных клинических сценариях, что требует более длительного наблюдения [19].

Двухлетнее РКИ Narbutaite и соавт. было посвящено альтернативной стратегии ведения кариеса. Сравнивались три подхода в лечении кариеса временных моляров: традиционные реставрация, Hall‑технику и нереставрационное ведение с контролем налёта и фторпрофилактикой. Hall‑техника показала преимущество в клинике (около 94 % против 61 % для традиционных реставраций и 43 % для нереставрационного подхода), при хорошей переносимости детьми [20].

Обсуждение

Результаты проведенного систематического обзор показывает, наглядно показывают что и в области биоматериалов, и в сфере технологий искусственного интеллекта уже накоплен и продолжает набираться существенный опыт, связанный с профилактикой и леченем кариеса у детей [21, 22]. При этом характер этих данных неоднороден, а интеграция двух направлений на уровне клинических маршрутов пока остаётся, по сути, задачей на будущее.

Алгоритмы ИИ, созданные на основе клинико‑социальных данных, демонстрируют приемлемую точность в выделении детей с высоким риском раннего детского кариеса (AUC порядка 0,75–0,80), при этом для практических задач оказывается достаточно крайне простых моделей, опирающихся на возраст ребёнка и самооценку состояния зубов родителями. Более сложные модели с десятками предикторов не дают принципиального выигрыша, но помогают лучше понять относительный вклад отдельных факторов риска. Добавление микробиомных и других биологических маркёров расширяет представление о патогенезе, хотя пока ограничено малым размером выборок и отсутствием внешней валидации. Цифровые вмешательства в виде чат‑ботов демонстрируют способность менять поведение родителей и детей в отношении гигиены и питания, но клинический эффект в виде снижения прироста кариеса, вероятнее всего, проявится только при более длительном наблюдении [23].

Данные по биоматериалам подтверждают, что минимально инвазивные подходы с использованием биологически активных материалов ассоциировано с долгосрочной эффективностью. Атравматичная реконструкция с высоковязкими стеклоиономерами остаётся наиболее рабочим методом детской стоматологии, особенно в условиях ограниченных ресурсов, при этом ключевыми факторами успеха являются не только выбор материала, но и другие переменные. Усиленные стеклоиономерные цемент‑системы (стекл‑гибриды, цирконий‑усиленные цементы) позволяют значительно улучшить клиническую картину у детей с гипоминерализованной эмалью и сложными окклюзионными нагрузками, хотя пока рассматриваются преимущественно как промежуточным методом [24].

Попытки заменить стеклоиономерный цемент гиомерами и другими гибридными композитами на данный момент не привели к убедительному преимуществу: при ART‑реконструкциях гиомеры чаще демонстрируют низкую выживаемость, а при использовании в качестве силантов на гипоминерализованных молярах заметно уступают традиционным смоляным силантам. Таким образом, биоактивность и фторвыделение сами по себе не гарантируют лучшей клинической выживаемости; критичны также адгезивные свойства, устойчивость к влажности и особенности протокола нанесения [25].

Серебросодержащие материалы являются перспективными среди пациентов с высоким риском развития кариеса и трудностями с доступом стоматологической помощи. Они позволяют эффективно купировать кариозный процесс, сокращают продолжительность процедур и снижают уровень тревожности у детей, а в ряде исследований демонстрируют сопоставимую или более высокую клиническую успешность по сравнению с традиционными реставрациями. Витальная терапия с применением кальций‑силикатных цементов (MTA, Biodentine, NeoMTA) показывает очень высокие показатели успешности и может рассматриваться как более биосовместимая альтернатива формокрезолу, что особенно важно с учётом его потенциальной токсичности и неблагоприятного общественного восприятия [26, 27].

Интересным наблюдением является то, что обе ветви – ИИ и биоматериалы – логично дополняют друг друга. Алгоритмы риск‑стратификации на основе машинного обучения могут использоваться для выделения детей, которым показаны более интенсивные и ресурсоёмкие вмешательства (например, SDF/SMART, Hall‑техника, реставрации усиленными стеклоиономерный цемент или терапия кальций‑силикатными цементами), тогда как детям с низким или умеренным риском могут быть предложены менее инвазивные и более простые стратегии. В перспективе это позволит оптимизировать использование материалов и времени врача, снизить потребность в лечении под общей анестезией и сформировать индивидуализированные схемы профилактики [28].

Ограничения обзора связаны с неоднородностью включённых исследований, относительно коротким сроком наблюдения во многих РКИ (часто не более 12–24 месяцев), небольшими объёмами выборок и риском систематической ошибки, связанным с невозможностью ослепления оператора и пациента при сравнении разных техник. В исследованиях по ИИ часто отсутствуют внешняя валидация и сравнение с реальной клинической практикой, а архитектуры моделей и параметры обучения описаны не всегда достаточно подробно для воспроизведения. Из‑за гетерогенности данных мета‑анализ не проводился, и результаты следует интерпретировать с осторожностью.

Тем не менее совокупные данные позволяют сделать несколько практических выводов. Во‑первых, минимально инвазивные подходы (ART, Hall‑техника, SDF/SMART) при правильном выборе показаний и адекватном клиническом исполнении обеспечивают хорошие результаты ведение детей с кариесом и могут рассматриваться как методы первой линии, особенно в условиях ограниченных ресурсов. Во‑вторых, кальций‑силикатные цементы должны постепенно вытеснять формокрезол из пульпотомии первичных зубов. В‑третьих, простые чат боты или опросники на базе машинного обучения, использующие минимальный набор данных о пациенте (возраст, самооценка состояния зубов, социально‑демографические характеристики), уже сейчас могут быть интегрированы в практику в качестве инструментов скрининга и планирования профилактики.

Направления для будущих исследований включают крупные проспективные исследования, в которых стратификация риска на основе ИИ сочетается с выбором конкретных биоматериальных вмешательств, более длительное наблюдение за реставрациями и витальной терапией, стандартизацию исходов и создание общедоступных датасетов для обучения и внешней валидации моделей. Только при сочетании качественных клинических данных и корректно построенных алгоритмов искусственного интеллекта удастся реализовать потенциал персонализированной профилактики и лечения кариеса у детей.

About the authors

Ksenia V. Khromenkova

Russian Medical Academy of Continuing Professional Education

Author for correspondence.
Email: ksyu_kh20.04@mail.ru
ORCID iD: 0000-0001-8230-0258

PhD (Medicine), Associate Professor, Department of General and Surgical Dentistry

Russian Federation, г. Москва, Российская Федерация; 2-й Троицкий пер., д. 6а, стр. 13

Azamat A. Chekoev

North Ossetian State Medical Academy

Email: azamatchekoev@gmail.com
ORCID iD: 0009-0007-7012-0947

5th-year student, Faculty of Dentistry

Russian Federation

Arthur D. Dzidzoev

North Ossetian State Medical Academy

Email: gavriiltumanov@gmail.com
ORCID iD: 0009-0004-8886-7975

5th-year student, Faculty of Dentistry

Russian Federation

Akso A. Dzavkaev

North Ossetian State Medical Academy

Email: azdavkaev@mail.ru
ORCID iD: 0009-0005-4428-5073

5th-year student, Faculty of Dentistry

Russian Federation

Marta I. Tishchenko

Kuban State Medical University, Krasnodar, Russian Federation

Email: byebyeboy@mail.ru
ORCID iD: 0009-0003-9116-1976

5th-year student, Dental Institute

Russian Federation

Toita S. Asbieva

North Ossetian State Medical Academy

Email: asbieva03@bk.ru
ORCID iD: 0009-0009-0524-3427

5th-year student, Faculty of Pediatrics

Russian Federation

Elina I. Debieva

North Ossetian State Medical Academy

Email: elinadebieva@icloud.com
ORCID iD: 0009-0001-5765-6479

5th-year student, Faculty of Pediatrics

Russian Federation

Anna A. Ktoian

Peoples’ Friendship University of Russia

Email: ktoyan2003@mail.ru
ORCID iD: 0009-0006-0826-7123

5th-year student, Faculty of Dentistry

Russian Federation

Anastasia Yu. Gorislova

Peoples’ Friendship University of Russia

Email: agorislova@bk.ru
ORCID iD: 0009-0001-6599-4267

student

Russian Federation

References

Supplementary files