EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitScoping ReviewOpen Access · CC BY 4.0

Artificial intelligence for teaching, training, and assessment in dental education: a domain-based scoping review

Künstliche Intelligenz für Lehre, Training und Bewertung in der zahnmedizinischen Ausbildung: domainbasierter Scoping-Review

Yao Wang, Meiqin Zhou, He Meng

Frontiers in Medicine · 01.04.2026 · 13

DOI: 10.3389/fmed.2026.1775853 ↗

Auf einen Blick

Der Review ordnet 17 empirische Studien zu KI in der zahnmedizinischen Ausbildung. Berichtet werden potenzielle Verbesserungen bei Genauigkeit, diagnostischer Konsistenz, Bewertungsabläufen und der Erstellung von Lernmaterial.

Fragestellung

Welche Anwendungen, Vorteile und Herausforderungen sind mit KI in der zahnmedizinischen Ausbildung verbunden?

Methode

Scoping-Review nach Arksey und O’Malley und PRISMA-ScR; systematische Suche in großen Datenbanken im Dezember 2025; 17 empirische Studien eingeschlossen.

Ergebnisse

KI zeigte Anwendungen in 4 Domänen: präklinisches Training, klinisch-diagnostisches Training, Assessment und Feedback sowie KI-generierte Lerninhalte. Die Evidenz war heterogen und oft durch kleine Stichproben, kurze Nachbeobachtung und begrenzte externe Validierung eingeschränkt.

Einschränkungen

Heterogene Evidenz; häufig kleine Stichproben, kurze Evaluationszeiträume, selbstberichtete Outcomes und begrenzte externe Validierung.

Schlussfolgerung der Autor:innen

KI bietet erhebliche Chancen für die zahnmedizinische Ausbildung, erfordert aber standardisierte Definitionen, stärkere Methodik, ethische Steuerung und bessere Bereitschaft des Lehrpersonals.

Kernaussagen

  • 17 empirische Studien wurden kartiert
  • Potenzielle Verbesserungen bei Genauigkeit und diagnostischer Konsistenz
  • Wichtige Lücken: fehlende Echtzeit-Bewertung und wenig Lehrendenbeteiligung

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Übersichtsarbeit in der Zeitschrift Frontiers in Medicine, online erschienen am 01.04.2026. Verfasst von Yao Wang und 2 weiteren Autor:innen. Beteiligte Einrichtung: School of Medicine, Lihu Campus, Shenzhen University, Shenzhen, Guangdong, China. Die Arbeit wurde bisher 4-mal zitiert (Crossref) und nennt 40 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Background

Artificial intelligence (AI) is rapidly transforming dental education by enhancing preclinical skill development, clinical diagnostic training, assessment processes, and content generation. Despite increasing interest, the scope and methodological characteristics of AI integration across dental curricula remain unclear. This review aimed to map current applications, benefits, and challenges associated with AI in dental education.

Methods

Following the Arksey and O’Malley framework and PRISMA-ScR guidelines, a systematic search was conducted across major databases in December 2025. Seventeen empirical studies met the inclusion criteria. Data were charted using a structured extraction tool and synthesized descriptively. Studies were categorized into four thematic domains: preclinical training, clinical and diagnostic training, assessment and feedback systems, and AI-generated educational content. Methodological characteristics and commonly reported limitations (e.g., sample size, outcome type, comparator presence, and validation approach) were mapped descriptively to contextualize the evidence.

Results

AI demonstrated promising applications across domains, including improvements in procedural accuracy, diagnostic consistency, assessment workflows, and learning material generation. However, the evidence base was heterogeneous and frequently limited by small sample sizes, short evaluation periods, reliance on self-reported outcomes, and limited external validation. Key gaps included limited real-time procedural assessment and insufficient educator involvement in AI design.

Conclusion

AI offers substantial opportunities to enhance dental education but requires standardized definitions, stronger methodological rigor, ethical governance, and improved faculty readiness. Clinician-led, collaborative AI development will be critical to ensuring safe, pedagogically aligned integration.

Schlagwörter

Stichwörter der Autor:innen

artificial intelligenceautomated assessmentdental educationdiagnostic trainingeducational technology

Autor:innen und Institutionen

  • School of Medicine, Lihu Campus, Shenzhen University, Shenzhen, Guangdong, China.

Zitieren

APA

Wang, Y., Zhou, M., & Meng, H. (2026). Artificial intelligence for teaching, training, and assessment in dental education: a domain-based scoping review. Frontiers in Medicine, 13. https://doi.org/10.3389/fmed.2026.1775853

Vancouver

Wang Y, Zhou M, Meng H. Artificial intelligence for teaching, training, and assessment in dental education: a domain-based scoping review. Frontiers in Medicine. 2026;13. doi:10.3389/fmed.2026.1775853

BibTeX
@article{Wang2026,
  author = {Wang, Yao and Zhou, Meiqin and Meng, He},
  title = {Artificial intelligence for teaching, training, and assessment in dental education: a domain-based scoping review},
  journal = {Frontiers in Medicine},
  year = {2026},
  volume = {13},
  doi = {10.3389/fmed.2026.1775853}
}
Kostenlos starten →