Artificial Intelligence in Dental Education: A Scoping Review of Applications, Challenges, and Gaps
Künstliche Intelligenz in der zahnärztlichen Ausbildung: Scoping Review zu Anwendungen, Herausforderungen und Lücken
Dentistry Journal · 25.08.2025 · 13 (9) · 384
DOI: 10.3390/dj13090384 ↗Auf einen Blick
Das Scoping Review kartierte KI-Anwendungen in der zahnärztlichen Ausbildung. KI verbesserte laut den Studien u. a. prozedurale Genauigkeit, diagnostisches Vertrauen und Bewertungseffizienz.
Fragestellung
Welche KI-Anwendungen gibt es in der zahnärztlichen Ausbildung, und welche Grenzen und Herausforderungen werden beschrieben?
Methode
Scoping Review nach Arksey und O’Malley sowie PRISMA-ScR; Suche in 6 Datenbanken im März 2025; eingeschlossen waren englischsprachige empirische Studien zur Ausbildung von Zahnmedizinstudierenden.
Ergebnisse
17 von 547 Studien wurden eingeschlossen. Vier Bereiche wurden beschrieben: präklinisches Training, klinische/diagnostische Schulung und Röntgeninterpretation, Bewertung und Feedback sowie Inhaltserstellung. Grenzen betrafen u. a. ethische und Datenschutzfragen.
Einschränkungen
Unterschiedliche KI-Definitionen, Modellvariabilität und fehlende zahnärztliche Führung bei der Entwicklung.
Schlussfolgerung der Autor:innen
KI hat großes Potenzial zur Verbesserung der zahnärztlichen Ausbildung. Für Relevanz und Zuverlässigkeit sind standardisierte Rahmen, ethische Aufsicht und klinikergeführte Entwicklung erforderlich.
Kernaussagen
- 17 Studien erfüllten die Einschlusskriterien
- KI verbesserte u. a. Genauigkeit, Diagnosevertrauen und Effizienz
- Grenzen: Ethik, Datenschutz, Modellvariabilität, fehlende klinische Führung
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 Dentistry Journal, online erschienen am 25.08.2025. Verfasst von Mohammed El-Hakim und 2 weiteren Autor:innen. Beteiligte Einrichtung: University of Western Australia, Dental School, Perth, WA 6009, Australia. Die Arbeit wurde bisher 62-mal zitiert (Crossref) und nennt 35 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Background/Objectives: This scoping review aims to map existing AI applications in dental education, in student learning, assessment, and diagnostic training, identifying key limitations and challenges.
Methods
Following the Arksey and O’Malley framework and PRISMA-ScR guidelines, six databases were searched in March 2025 using combinations of the following search words: “dental education,” “artificial intelligence,” “machine learning,” and “student assessment”. Inclusion was limited to English-language empirical studies focused on dental student education. Of 547 identified studies, 17 met the inclusion criteria. They were categorized into four domains: (1) Preclinical Training, (2) AI in Clinical, Diagnostic Training, and Radiographic Interpretation, (3) AI as an Assessment Tool and Feedback System, and (4) AI in Content Generation for Dental Education.
Results
AI has positively influenced various domains, enhancing procedural accuracy, diagnostic confidence, assessment efficiency, and content delivery. However, it struggles to assess nuanced competencies like dexterity and clinical judgment. The challenges faced include disparate definitions of AI, ethical and privacy concerns, model variability, and a deficiency of dental leadership in AI development. At present, most tools are engineered by computer scientists and may not align effectively with the priorities of dental education.
Conclusions
AI holds significant potential to enhance dental education outcomes. However, to guarantee its relevance and reliability, it requires standard frameworks, ethical oversight, and clinician-led development. Future research should concentrate on implementing real-time AI-driven feedback systems during preclinical training and advocate for more precise definitions to support consistent AI application and evaluation in dental education.
Schlagwörter
Stichwörter der Autor:innen
Autor:innen und Institutionen
- University of Western Australia, Dental School, Perth, WA 6009, Australia.
ORCID-Profile: Mohammed El-Hakim, Robert Anthonappa, Amr Fawzy
Zitieren
APA
El-Hakim, M., Anthonappa, R., & Fawzy, A. (2025). Artificial Intelligence in Dental Education: A Scoping Review of Applications, Challenges, and Gaps. Dentistry Journal, 13(9), 384. https://doi.org/10.3390/dj13090384
Vancouver
El-Hakim M, Anthonappa R, Fawzy A. Artificial Intelligence in Dental Education: A Scoping Review of Applications, Challenges, and Gaps. Dentistry Journal. 2025;13(9):384. doi:10.3390/dj13090384
BibTeX
@article{ElHakim2025,
author = {El-Hakim, Mohammed and Anthonappa, Robert and Fawzy, Amr},
title = {Artificial Intelligence in Dental Education: A Scoping Review of Applications, Challenges, and Gaps},
journal = {Dentistry Journal},
year = {2025},
volume = {13},
number = {9},
pages = {384},
doi = {10.3390/dj13090384}
}
EUVIMED