Der Artikel “Temporomandibuläre Störungen: Alte Ideen und neue Konzepte” von List und Jensen aus dem Jahr 2017 enthält Informationen über temporomandibuläre Störungen und ihre Ursachen. In einer Literaturüberprüfung von Chisnoiu und Kollegen aus dem Jahr 2015 wurden Faktoren identifiziert, die an der Ätiologie dieser Störungen beteiligt sind. Eine weitere Studie von Lee und Auh aus dem Jahr 2021 untersuchte mithilfe von MRT-Scans Veränderungen der Kaumuskulatur bei TMD-Patienten nach einem Schleudertrauma. De Paiva Bertoli und Kollegen fanden in einer Querschnittsstudie aus dem Jahr 2018 heraus, dass Angst und Fehlstellungen der Zähne mit TMD bei Jugendlichen in Verbindung stehen.
Eine Studie von Al-Khotani und anderen aus dem Jahr 2016 zeigte die Zusammenhänge zwischen psychosozialen Aspekten und TMD-schmerzbezogenen Aspekten bei Kindern und Jugendlichen auf. In einer Untersuchung von Lee und Auh aus dem Jahr 2022 wurden klinische Faktoren, die Depression bei Patienten mit schmerzhaften TMD während der COVID-19-Pandemie beeinflussen, analysiert. Die Prävalenz von TMJ-Störungen wurde in einer systematischen Überprüfung und Metaanalyse von Valesan und Kollegen aus dem Jahr 2021 zusammengefasst. Warren und Fried aus dem Jahr 2001 diskutierten die Zusammenhänge zwischen TMD und Hormonen bei Frauen.
Der Artikel enthält auch Informationen zu bildgebenden Verfahren wie MRI, die bei der Diagnose von TMD eingesetzt werden. Einige Studien untersuchten den Einsatz von künstlicher Intelligenz und Maschinellem Lernen zur Unterstützung der Diagnose von TMD anhand von Bildgebungsergebnissen. Lee und Kollegen (2022) fanden heraus, dass Deep Learning mit Convolutional Neural Networks in der Lage ist, Gelenksverlagerungen im Kiefergelenk auf MRT-Bildern effektiv zu erkennen.
Weitere Studien beschäftigen sich mit der Anwendung von Deep Learning in der medizinischen Bildgebung zur Diagnose von Gelenkerkrankungen wie Osteoarthritis im Kiefergelenk. Die Entwicklung und Validierung von AI-Modellen für die Diagnose von TMJ-Pathologien wurden von Orhan und Kollegen (2021) untersucht. In einer Metaanalyse von Xu und anderen aus dem Jahr 2023 wurde die Genauigkeit von AI-Modellen bei der Erkennung von TMJ-Osteoarthritis anhand von radiographischen Bilddaten bewertet.
Insgesamt zeigen die Studien einen Trend zur Nutzung von künstlicher Intelligenz und Deep Learning zur Verbesserung der Diagnose und Behandlung von temporomandibulären Störungen. Diese Technologien könnten in Zukunft eine wichtige Rolle bei der Früherkennung und Behandlung von TMD spielen.