دوره 9، شماره 4 - ( زمستان 1401 )
جلد 9 شماره 4 صفحات 11-8 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khazaei A H, Haradasht S A, Shahraki M. Artificial Intelligence and Dental Education in Iran: Current Situation and Challenges. DSME 2022; 9 (4) :8-11
URL: http://dsme.hums.ac.ir/article-1-394-fa.html
URL: http://dsme.hums.ac.ir/article-1-394-fa.html
خزاعی امیرحسین، امیرپور هره دشت صدرا، شهرکی مهرداد. هوش مصنوعی و آموزش دندانپزشکی: وضعیت کنونی و چالش‌های پیشرو. راهبردهای توسعه در آموزش پزشکی. 1401; 9 (4) :8-11
گروه دندانپزشکی عمومی، دانشکده دندانپزشکی، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران.
متن کامل [PDF 1275 kb]
(318 دریافت)
| چکیده (HTML) (554 مشاهده)
References
متن کامل: (754 مشاهده)
هوش مصنوعی موضوعی است که در حال حاضر به‌شدت مورد توجه پژوهشگران جوان سراسر دنیا قرار گرفته است. همه‌گیری ویروس کرونا نیز سبب شتاب گرفتن استفاده از فناوری‌های مجازی در آموزش دندانپزشکی شده است [1]. هدف از انجام این تحقیق، مروری بر جدیدترین دستاوردهای هوش مصنوعی و اثر آن بر آموزش دندانپزشکی در سال‌های اخیر می‌باشد.
بدیهی است که هوش مصنوعی جزء جدایی‌ناپذیری از دندانپزشکی خواهد بود؛ بدین ترتیب برنامه‌های درسی دندانپزشکی در دانشگاه‌ها نیاز به به‌روزرسانی دارند تا دانشجویان بتوانند از مزایای آن ازجمله تشخیص‌های بهتر، اشتباهات کمتر، درمان‌های صحیح‌تر، اتلاف وقت و هزینه کمتر سود ببرند. ادغام آن در آموزش دندانپزشکی دردسترس بودن و اثربخشی هوش مصنوعی و همچنین تمایل دانشگاه‌ها و دانشجویان برای ترکیب آن با دروس آموزشی بستگی دارد [2]. پذیرش استفاده از هوش مصنوعی در آموزش می‌تواند تأثیر وسیعی در دانشگاه‌ها داشته باشد و آموزش‌های سنتی را تکمیل کند. در کنار این مباحث باید به مشکلات این مسیر نیز اشاره کرد. ازجمله این موارد، می‌توان پیشرفت‌های بسیار سریع در این حیطه از فناوری و نیاز به‌بروزرسانی‌های متعدد محتوای آموزشی در یک بازه زمانی محدود نام برد.
برخی متخصصان معتقد هستند که در حال حاضر استفاده از هوش مصنوعی در آموزش دندانپزشکی به‌دلیل فقدان تحقیقات کافی و اولویت‌های آموزشی، ازنظر عملی امکان‌پذیر نیست و باید ازنظر مالی، سود و زیان آن را نیز بررسی کرد [3]. هم اکنون دو حیطه از آموزش دندانپزشکی به‌وسیله هوش مصنوعی در حال تغییر شکل هستند:
-آموزش نظری؛
-آموزش بالینی برای مراقبت از بیمار [4].
برای مثال، برخی از دانشکده‌های دندانپزشکی در آغاز دوران پری‌کلینیک برای آموزش اولیه دانشجویان خود از واقعیت مجازی بهره می‌گیرند. درحقیقت دانشجویان کار عملی خود را با تمرین بر روی ربات‌های هوشمندی آغاز می‌کنند که عملکرد بیمار را تقلید می‌کنند. هوش مصنوعی به دانشجویان این اجازه را می‌دهد تا از اسکنرهای سه بعدی داخل دهانی برای تمرین مهارت‌های دستی خود استفاده کنند. بدین شکل که کامپیوتر از طریق اسکن کردن حرکات دست دانشجویان، می‌تواند بازخورد بی‌طرفانه و عینی به کیفیت عمل و درمان انجام‌شده توسط دانشجو بدهد که قطعاً می‌تواند در ارتقاء عملکرد آن‌ها به‌شدت مؤثر باشد. یکی دیگر از کاربردهای هوش مصنوعی در آموزش دندانپزشکی، استفاده از فناورهای دیجیتال در صندلی‌های دندانپزشکی می‌باشد که توانایی جمع‌آوری علائم حیاتی مانند دمای بدن و ضربان قلب بیمار را دارا می‌باشند. این اطلاعات به‌طور بالقوه می‌توانند در تشخیص اضطراب بیمار مفید باشند و به آموزش کمک کنند [5].
علی‌رغم پیشرفت‌های حاصل در تحقیقات بین‌المللی باید گفت که آگاهی اساتید دانشگاه‌های علوم‌پزشکی کشور در ارتباط با کاربرد هوش مصنوعی در دندانپزشکی نسبت به سایر حیطه‌های علوم‌پزشکی به‌شدت ضعیف می‌باشد و تلاش زیادی از طرف آن‌ها برای کسب دانش در این شاخه رخ نداده است. متأسفانه حتی تعداد انگشت‌شماری پایان‌نامه و کار تحقیقاتی در داخل کشور درمورد کاربردها و مزایای استفاده از هوش مصنوعی در دندانپزشکی یافت می‌شوند. بنابراین باید گفت ساختار دانشکده‌های دندانپزشکی ایران برخلاف دانشگاه‌های تراز اول دنیا بیشتر به‌صورت غیردیجیتال است و این موضوع امکان استفاده از هوش مصنوعی را برای آموزش دانشجویان دشوار می‌کند. از طرفی دانشجویان و اساتید اطلاعات کافی در مورد قوانین و مقررات استفاده از هوش مصنوعی و فناوری‌های نو ظهور مرتبط با آن را ندارند و این موضوع می‌تواند مشکلات قضایی برای آن‌ها ایجاد کند [4].
با‌توجه‌به توضیحات سطور قبل، این موضوع قابل استنتاج است که در شرایط فعلی فاصله زیادی با کاربرد هوش مصنوعی در آموزش دندانپزشکی در ایران وجود دارد، اما می‌توان با آموزش مباحث پایه این علم نوظهور و قوانین استفاده از آن در دانشکده‌های دندانپزشکی، کمک شایانی به پیشرفت فناوری در حیطه دندانپزشکی و تولید محصولات مرتبط با آن در داخل کشور کرد. با راهنمایی گرفتن از اساتید دانشکده‌های مهندسی و ارائه واحدهای مربوطه در دانشگاه‌های علوم‌پزشکی و یا برگزاری دوره‌های مشابه در قالب دروس اختیاری و کارگاه‌های آموزشی، می‌توان قدم اول در راستای گسترش این علم در دانشگاه‌های علوم‌پزشکی کشور برداشت و این ارتباط بین رشته‌ای در آینده‌ای نه چندان دور، منجر به استفاده بیشتر از فناوری‌های جدید در آموزش دندانپزشکی خواهد شد.
بدیهی است که هوش مصنوعی جزء جدایی‌ناپذیری از دندانپزشکی خواهد بود؛ بدین ترتیب برنامه‌های درسی دندانپزشکی در دانشگاه‌ها نیاز به به‌روزرسانی دارند تا دانشجویان بتوانند از مزایای آن ازجمله تشخیص‌های بهتر، اشتباهات کمتر، درمان‌های صحیح‌تر، اتلاف وقت و هزینه کمتر سود ببرند. ادغام آن در آموزش دندانپزشکی دردسترس بودن و اثربخشی هوش مصنوعی و همچنین تمایل دانشگاه‌ها و دانشجویان برای ترکیب آن با دروس آموزشی بستگی دارد [2]. پذیرش استفاده از هوش مصنوعی در آموزش می‌تواند تأثیر وسیعی در دانشگاه‌ها داشته باشد و آموزش‌های سنتی را تکمیل کند. در کنار این مباحث باید به مشکلات این مسیر نیز اشاره کرد. ازجمله این موارد، می‌توان پیشرفت‌های بسیار سریع در این حیطه از فناوری و نیاز به‌بروزرسانی‌های متعدد محتوای آموزشی در یک بازه زمانی محدود نام برد.
برخی متخصصان معتقد هستند که در حال حاضر استفاده از هوش مصنوعی در آموزش دندانپزشکی به‌دلیل فقدان تحقیقات کافی و اولویت‌های آموزشی، ازنظر عملی امکان‌پذیر نیست و باید ازنظر مالی، سود و زیان آن را نیز بررسی کرد [3]. هم اکنون دو حیطه از آموزش دندانپزشکی به‌وسیله هوش مصنوعی در حال تغییر شکل هستند:
-آموزش نظری؛
-آموزش بالینی برای مراقبت از بیمار [4].
برای مثال، برخی از دانشکده‌های دندانپزشکی در آغاز دوران پری‌کلینیک برای آموزش اولیه دانشجویان خود از واقعیت مجازی بهره می‌گیرند. درحقیقت دانشجویان کار عملی خود را با تمرین بر روی ربات‌های هوشمندی آغاز می‌کنند که عملکرد بیمار را تقلید می‌کنند. هوش مصنوعی به دانشجویان این اجازه را می‌دهد تا از اسکنرهای سه بعدی داخل دهانی برای تمرین مهارت‌های دستی خود استفاده کنند. بدین شکل که کامپیوتر از طریق اسکن کردن حرکات دست دانشجویان، می‌تواند بازخورد بی‌طرفانه و عینی به کیفیت عمل و درمان انجام‌شده توسط دانشجو بدهد که قطعاً می‌تواند در ارتقاء عملکرد آن‌ها به‌شدت مؤثر باشد. یکی دیگر از کاربردهای هوش مصنوعی در آموزش دندانپزشکی، استفاده از فناورهای دیجیتال در صندلی‌های دندانپزشکی می‌باشد که توانایی جمع‌آوری علائم حیاتی مانند دمای بدن و ضربان قلب بیمار را دارا می‌باشند. این اطلاعات به‌طور بالقوه می‌توانند در تشخیص اضطراب بیمار مفید باشند و به آموزش کمک کنند [5].
علی‌رغم پیشرفت‌های حاصل در تحقیقات بین‌المللی باید گفت که آگاهی اساتید دانشگاه‌های علوم‌پزشکی کشور در ارتباط با کاربرد هوش مصنوعی در دندانپزشکی نسبت به سایر حیطه‌های علوم‌پزشکی به‌شدت ضعیف می‌باشد و تلاش زیادی از طرف آن‌ها برای کسب دانش در این شاخه رخ نداده است. متأسفانه حتی تعداد انگشت‌شماری پایان‌نامه و کار تحقیقاتی در داخل کشور درمورد کاربردها و مزایای استفاده از هوش مصنوعی در دندانپزشکی یافت می‌شوند. بنابراین باید گفت ساختار دانشکده‌های دندانپزشکی ایران برخلاف دانشگاه‌های تراز اول دنیا بیشتر به‌صورت غیردیجیتال است و این موضوع امکان استفاده از هوش مصنوعی را برای آموزش دانشجویان دشوار می‌کند. از طرفی دانشجویان و اساتید اطلاعات کافی در مورد قوانین و مقررات استفاده از هوش مصنوعی و فناوری‌های نو ظهور مرتبط با آن را ندارند و این موضوع می‌تواند مشکلات قضایی برای آن‌ها ایجاد کند [4].
با‌توجه‌به توضیحات سطور قبل، این موضوع قابل استنتاج است که در شرایط فعلی فاصله زیادی با کاربرد هوش مصنوعی در آموزش دندانپزشکی در ایران وجود دارد، اما می‌توان با آموزش مباحث پایه این علم نوظهور و قوانین استفاده از آن در دانشکده‌های دندانپزشکی، کمک شایانی به پیشرفت فناوری در حیطه دندانپزشکی و تولید محصولات مرتبط با آن در داخل کشور کرد. با راهنمایی گرفتن از اساتید دانشکده‌های مهندسی و ارائه واحدهای مربوطه در دانشگاه‌های علوم‌پزشکی و یا برگزاری دوره‌های مشابه در قالب دروس اختیاری و کارگاه‌های آموزشی، می‌توان قدم اول در راستای گسترش این علم در دانشگاه‌های علوم‌پزشکی کشور برداشت و این ارتباط بین رشته‌ای در آینده‌ای نه چندان دور، منجر به استفاده بیشتر از فناوری‌های جدید در آموزش دندانپزشکی خواهد شد.
References
1.Afrashtehfar KI, Yang JW, Al-Sammarraie A, Chen H, Saeed MH. Pre-clinical undergraduate students’ perspectives on the adoption of virtual and augmented reality to their dental learning experience: A one-group pre- and post-test design protocol. F1000Res. 2021; 10:473. [DOI:10.12688/f1000research.53059.2] [PMID] [PMCID]
2.Agrawal P, Nikhade P. Artificial intelligence in dentistry: Past, present, and future. Cureus. 2022; 14(7):e27405. [DOI:10.7759/cureus.27405]
3.Amin M, Lai JY, Lindauer PA, McPherson K, Qari H. Should dental schools adopt teledentistry in their curricula? Two viewpoints. J Dent Educ. 2021; 85(7):1238-44. [DOI:10.1002/jdd.12614] [PMID]
4.Thurzo A, Strunga M, Urban R, Surovková J, Afrashtehfar KI. Impact of artificial intelligence on dental education: A review and guide for curriculum update. Educ Sci. 2023; 13(2):150. [DOI:10.3390/educsci13020150]
2.Agrawal P, Nikhade P. Artificial intelligence in dentistry: Past, present, and future. Cureus. 2022; 14(7):e27405. [DOI:10.7759/cureus.27405]
3.Amin M, Lai JY, Lindauer PA, McPherson K, Qari H. Should dental schools adopt teledentistry in their curricula? Two viewpoints. J Dent Educ. 2021; 85(7):1238-44. [DOI:10.1002/jdd.12614] [PMID]
4.Thurzo A, Strunga M, Urban R, Surovková J, Afrashtehfar KI. Impact of artificial intelligence on dental education: A review and guide for curriculum update. Educ Sci. 2023; 13(2):150. [DOI:10.3390/educsci13020150]
نوع مطالعه: نامه به سردبیر |
موضوع مقاله:
تخصصي
دریافت: 1400/12/17 | پذیرش: 1401/5/29 | انتشار: 1401/10/11
دریافت: 1400/12/17 | پذیرش: 1401/5/29 | انتشار: 1401/10/11
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
کلیه حقوق این وب سایت متعلق به راهبردهای توسعه در آموزش پزشکی می باشد.
طراحی و برنامه نویسی : یکتاوب افزار شرق
© 2024 CC BY-NC 4.0 | Development Strategies in Medical Education
Designed & Developed by : Yektaweb
