人工知能（AI）とは、意思決定や問題解決など、従来は人間の知能と関連付けられてきた複雑なタスクを実行するコンピュータシステムの能力を一般的に定義するために使われる包括的な用語である。 (Joda, Waltimo et al. 2018; Shan et al. 2021）。技術的には、AIは大きく2つのカテゴリーに分けられる：「弱い」AIと「強い」AIである。前者は特化型人工知能（ANI）とも呼ばれ、内在性認知能力がなくても、一連の写真の中から特定のターゲットを識別する（コンピュータビジョン）など、特定のタスクを完了する能力で構成される。他方では、強力なAIとは、人間の典型的な精神能力や意識を複製し、人間の心とまったく同じように機能するシステムと定義される（Scerri and Grech 2020）。強力なAIはまだ存在しないが、日常生活における弱いAIシステムの応用はかなり拡大しており、人間とテクノロジーとのかかわり方や複雑なタスクへの取り組み方に革命をもたらしている。AIの研究と応用は、医療や歯科の分野でも継続的に発展している。

今日、医療におけるAIアプリケーションのほとんどは機械学習（ML）に基づいており、放射線画像の解析に焦点を当てている。既存のデータセットで学習した後、MLアルゴリズムは新たな入力データに対して正確な予測を提供できる (Bernauer et al. 2021)。古典的なMLモデルでは、アルゴリズムが学習できるラベル付きデータセットをともなうシステムの設計および提供をするために、人間の介入が必要である。

この文脈では、MLのサブセットはディープラーニング（DL）として知られている。MLと比較して、DLモデルはデータのパターンを観察し、人間の介入を必要とせずに学習データセットの生の情報を自律的に階層化することができる(Ren et al. 2021)。人工ニューラルネットワーク（ANN）は、DLアルゴリズムのバックボーンを構成する。ニューラルネットワークは、1つの入力層、1つ以上の隠れ層、出力層というノード層で構成され、各ノードは別のニューロンに接続された人工ニューロンである。3層以上のANNは、DLアルゴリズムとみなすことができる（図1）。ANNは学習データセットを通じて学習し、精度を向上させることができるが、このプロセスには大量のデータが必要である。 (Bernauer et al. 2021)。

歯科医師の日常診療を支援するために、デジタル画像上で病変を判別したり分類したりといったさまざまなAIベースのアプリケーションやツールが開発・導入されている(Litjens et al. 2017)。そのため、口腔内二次元X線、コーンビームCT（CBCT）、光学スキャニングは、歯科において特に注目されている。JPG、DICOM、STLデータは、診断、治療計画、修復設計、再評価のために日常的に収集されているため、AI技術の開発・利用にとって興味深い情報源となる(Hung et al. 2020)。AI診断モデルは、隣接面う蝕、歯根破折、根尖病変、歯槽骨吸収などの歯科病態のX線同定において成果を示している（図2）(Devito et al. 2008; Johari et al. 2017; Chang et al. 2020; Endres et al. 2020)。

AIモデルは歯科矯正学でも導入に成功しており、知識ベースのアルゴリズムとコンピュータビジョン法が、セファログラム上の解剖学的ランドマークを同定・測定する信頼性の高い方法であることが実証されている(Gupta et al. 2015; Park et al. 2019)。

このナラティブレビューの目的は、インプラント歯科においてAIが現在どのように使用されているかを説明し、要約することである。本概説の構成は、デジタルインプラントワークフロー（診断、臨床治療プロトコル［ラボワークフローを含む］、予後、メインテナンス）に沿っており（図3）、AIが現在または将来的に役割を果たすことができる作業ステップについて説明する。歯科用画像処理、治療計画、ガイド付きインプラント手術、患者モニタリングの分野に焦点を当てている。