Дентальная имплантация занимает ключевое место в современной стоматологической практике, однако ее успешность во многом зависит от состояния периимплантатных тканей. Периимплантит остается одной из наиболее распространенных причин потери имплантатов, выражается в воспалении мягких тканей и прогрессирующей резорбции кости. Традиционные методы диагностики — клиническое обследование и интерпретация результатов рентгенологических исследований — ограничены низкой чувствительностью к ранним стадиям заболевания и отличаются высокой зависимостью от опыта врача, что снижает воспроизводимость и объективность результатов. В последние годы наблюдается активное внедрение технологий искусственного интеллекта (ИИ), включая машинное обучение, глубокое обучение и использование сверточных нейронных сетей (CNN), в диагностику и прогнозирование периимплантитов. Анализ литературы показал, что алгоритмы ИИ способны выявлять минимальные признаки костной резорбции с точностью, сопоставимой или превосходящей оценку клиницистов, обеспечивать стандартизацию диагностики и формировать персонализированные прогнозы исходов лечения. Более того, интеграция данных микробиологического и иммунологического профиля пациента с радиологическими данными значительно повышает точность стратификации риска и позволяет выделять группы пациентов, предрасположенных к прогрессированию заболевания. Тем не менее, широкое внедрение ИИ в клиническую практику ограничивается рядом факторов: небольшим размером выборок, ретроспективным характером большинства исследований, разнородностью применяемых моделей и отсутствием унифицированных протоколов оценки качества. Для перехода от экспериментальных разработок к клиническому применению необходимы крупные исследования, направленные на стандартизацию и подтверждение алгоритмов.