Развитие стоматологии и разработка современных протезных конструкций, с применением актуальных биоинертных материалов положительно сказывается на реабилитации пациента с частичным отсутствием зубов, однако усложняет выбор протезной конструкции для врача стоматолога-ортопеда, который должен учесть не только благоприятный прогноз лечения, а также эстетические показатели, предпочтения пациента и его финансовые возможности. Существующие алгоритмы искусственного интеллекта стали способны самостоятельно поставить диагноз по данным рентгеновского исследования и интраорального сканирования челюстей, подобрать необходимый протез и впоследствии смоделировать ортопедическую конструкцию в 3D-формате.

Нейронная сеть под названием "UPC" (Use Prosthetics Correctly), что означает - "используй протезирование правильно", направлена на обучение студентов, ординаторов, а также способствует помощи в принятии клинических решений, что актуально для молодых докторов, которые в силу возраста не имеют достаточного практического опыта.

Входным слоем (вектором) послужили клинические условия: состояние полости рта, аллергоанамнез, эстетические пожелания пациента, различные варианты клинической картины полости рта, которые приводят врача стоматолога-ортопеда к оптимальному варианту функциональной конструкции.

Выходным слоем (вектором) являлись съёмные и несъёмные варианты ортопедической реабилитации, выбор которых основывался на заранее разработанном алгоритме, основанном на таких клинических условиях как:

состояние и количество сохранившихся зубов;

витальность зубов;

классификация кариозных полостей по Блеку;

бруксизм, аллергоанамнез;

финансовая и эстетическая составляющие;

Проект будет реализован следующим образом. Врач стоматолог-ортопед вводит в программу данные клинической картины после осмотра полости рта. Нейронная сеть в каждом слое проводит математические вычисления, умножая элементы входного вектора (а впоследствии каждого слоя) на весовые коэффициенты (полученные в результате обучения нейронной сети), добавляет смещение (для попадания результатов в область вычисления функции активации), полученный результат проводит через функцию активации (Sigmoid, ReLu), выбирая выходной нейрон с самым большим результатом прогнозирует наиболее подходящую конструкцию.

Стоит отметить, что нейронная сеть будет способна актуализировать различные виды протезных конструкций, а также способствовать принятию клинических решений, что значительно упростит выбор ортопедической конструкции для дальнейшего протезирования при различных вариантах клинической картины. После реализации проекта нейронная сеть будет интегрироваться в образовательную программу, в связи с чем ожидается повышение качества обучения студентов и ординаторов, что непосредственно приведет к снижению врачебных ошибок во время ключевого этапа лечения.