CME-Beitrag Einzelimplantatplanung mit KI: schneller und konsistenter als menschlicher Experte
Künstliche Intelligenz (KI) ermöglicht die Automatisierung der virtuellen Implantatplanung. Das erhöht in der klinischen Anwendung die Präzision und beschleunigt den Arbeitsablauf, wie Forscher feststellten.
KI im digitalen Implantat-Workflow angekommen
Forscher berichten, dass KI im digitalen Workflow einer Implantation bereits ihr Potenzial unter Beweis gestellt hat, wie z. B. bei der Bewertung von Knochenqualität und Knochendichte, der Unterstützung in Bezug auf die Wahl der Implantatposition, -winkel und des Bohrprotokolls etc. [1]. Gleichzeitig sehen sie jedoch eine Studienlücke hinsichtlich der klinischen Anwendbarkeit von KI bei der virtuellen Implantatplanung und untersuchten diese deshalb.
Dazu verglichen die Wissenschaftler die virtuelle und tatsächliche Implantatpositionierung von Einzelzahnimplantaten im Prä- bzw. Molarenbereich des Unterkiefers
- 1. nach der Methode der präoperativen Planung mithilfe von DVT-Aufnahmen und freihändiger Insertion durch Spezialisten,
- 2. mit lediglicher Auswahl der gewünschten Implantatposition durch den Behandler und anschließender KI-generierter Implantatplanung sowie
- 3. nach der Methode virtueller Implantatpositionierung, manuell durch einen Spezialisten durchgeführt (= KI-gestützte Implantatplanung)
KI-Tool klinisch validiert
Bei der Auswertung zeigte sich, dass hinsichtlich Implantatdurchmesser und -länge zwischen allen Planungen kein signifikanter Unterschied bestand. Auch gab es keinen statistisch signifikanten Unterschied in Bezug auf die Winkelabweichung relativ zum benachbarten Zahn und der koronalen Abweichung bei allen drei Methoden. Jedoch war die KI-generierte Planung insgesamt 10x schneller als die KI-gestützte Planung (3. Methode). Mit einer mittleren Oberflächenabweichung von 0 mm war sie auch konsistenter als im Vergleich zu 0,39 mm bei der 1. Methode.
KI vorteilhaft unabhängig der klinischen Erfahrung
Dass KI gleichermaßen erfahrenen und weniger erfahrenen Behandlern zeitliche Vorteile und eine höhere Genauigkeit liefert, zeigte auch eine deutsch-amerikanische Untersuchung [2], die sich mit der Zuverlässigkeit und Zeiteffizienz der konventionellen beidseitigen Segmentierung des Mandibularkanals im Vergleich zur automatischen Segmentierung mithilfe von KI und der Überlagerung der 3D-Röntgenaufnahmen (CBCT = Cone Beam Computed Tomography) mit dem intraoralen Modellscan in Bezug auf eine mittlere und hohe Erfahrung in der computergestützten Implantatplanung beschäftigte.
Die Auswertung ergab, dass die KI-gestützte Implantatplanung mit durchschnittlichen 2,03 (0,36) Minuten schneller war als die manuelle mit im Median 4,75 (2,03) Minuten. Gleichzeitig war die Genauigkeit des digitalen Arbeitsablaufes ähnlich oder besser als die des manuellen Prozedere: Die mittlere Abweichung in den Mandibularkanälen betrug 0,68 vs. 0,71 mm bzw. für die Überlagerung der CBCT-Aufnahmen und intraoralen Scans 0,37 mm vs. 0,45 mm.
Das Wichtigste in Kürze |
KI mit menschlichem Spezialisten gleichauf KI kann bereits heute automatisiert Implantatposition und -dimension (Durchmesser und Länge) für eine Implantation im Bereich der Unterkieferprämolaren bzw. Molaren auswählen. Klinisch wird damit eine vergleichbare Präzision wie bei der Planung mit menschlichen Spezialisten erreicht. Gleichzeitig ist die Implantatplanung durch KI im Vergleich wesentlich schneller und sehr konsistent. Das wurde auch für die automatisierte Segmentierung des Mandibularkanals und die Überlagerung von 3D-Röntgen- mit Scandaten festgestellt. |
- [1] Elgarba BM et al. Clinical Feasibility of AI-Driven Automated Virtual Dental Implant Placement: A Cross-Sectional Comparative Study. Clin Implant Dent Relat Res. 2025 Dec;27(6):e70111. doi.org/10.1111/cid.70111.
- [2] Ntovas P et al. Comparison Between Conventional and Artificial Intelligence-Assisted Setup for Digital Implant Planning: Accuracy, Time-Efficiency, and User Experience. Clin. Oral Implant. Res. 2025 Mar; 36(3): 290–297. doi.org/10.1111/clr.14382.
AUSGABE: ZR 2/2026, S. 19 · ID: 50672655