Periodontal diseases (gingivitis and periodontitis) are characterized by inflammatory processes which arise as a result of disruption of the balance in the oral ecosystem. According to the current S3 level clinical practice guidelines, therapy of patients with periodontitis involves a stepwise approach that includes the control of the patient's risk factors and the debridement of supra and subgingival biofilm. This debridement can be performed with or without the use of some adjuvant therapies, including physical or chemical agents, host modulating agents, subgingivally locally delivered antimicrobials, or systemic antimicrobials. Therefore, the main aim of this article is to review in a narrative manner the existing literature regarding the adjuvant application of local agents, either subgingivally delivered antibiotics and antiseptics or supragingivally applied rinses and dentifrices, during the different steps in periodontal therapy performed in Europe.
9 March 2026 in Clinical Implant Dentistry and Related Research
Son yıllarda yapay zeka teknolojileri, sağlık hizmetlerinde tanıdan tedaviye pek çok alanda dönüşüm yaratmıştır. Diş hekimliği özelinde, özellikle görüntüleme verilerinin analizi ve klinik karar destek sistemlerinin gelişimiyle birlikte, yapay zekanın potansiyeli giderek daha fazla önem kazanmaktadır. Periodontal hastalıkların teşhis, sınıflandırma, tedavi planlaması ve hasta takibi gibi alanlarında bu teknolojinin katkılarını ele alan güncel çalışmalar dikkat çekici bulgular sunmaktadır. Bu çalışmada, periodontoloji alanında yürütülen yapay zeka temelli araştırmalar değerlendirilmiş; klinik, radyografik ve biyolojik verilerin analizinde kullanılan yapay zeka modellerinin doğruluk, özgüllük ve duyarlılık düzeyleri karşılaştırılmıştır. Derin öğrenme algoritmalarının tedavi takibi, risk tahmini ve uzaktan hasta izleminde etkili olduğu ve kişiselleştirilmiş ağız sağlığı uygulamalarında da yenilikçi bir yaklaşım sunduğu gözlemlenmiştir. Bununla birlikte, sınırlı veri çeşitliliği, tek merkezli tasarımlar ve etik-yasal belirsizlikler, mevcut modellerin genellenebilirliğini ve klinik uygulanabilirliğini kısıtlamaktadır. Gelecekte, daha büyük ve temsili veri setleriyle yapılacak çok merkezli çalışmaların, yapay zekanın periodontoloji pratiğine güvenli ve etkili entegrasyonuna olanak sağlayacağı öngörülmektedir.