I workflow digitali sono diventati parte della pratica odontoiatrica quotidiana, e uno degli strumenti più recenti a entrare nella cassetta degli attrezzi digitale è il Facial Scanner (FS). Generando un modello tridimensionale completamente digitalizzato del volto del paziente, gli scanner facciali permettono ai clinici di acquisire i tessuti molli periorali — labbra, guance e strutture circostanti — che CBCT e scanner intraorali semplicemente non possono riprodurre. Combinati con scansioni intraorali e dati CBCT, gli scan facciali consentono di costruire un “paziente virtuale” tridimensionale completo, supportando una pianificazione del trattamento più informata in protesi, implantologia, ortodonzia e odontoiatria restaurativa.
Ma quanto sono affidabili questi dispositivi? E le app low-cost per smartphone, che promettono lo stesso risultato dei sistemi professionali, sono davvero all’altezza?
Un nuovo studio in-vitro condotto da Francesco Mintrone, Omar Shanableh, Giacomo Fabbri, Renaud Noharet e Luca Giannetti, pubblicato su Digital Dentistry Journal (2026), si è posto esattamente questa domanda, confrontando cinque scanner facciali professionali con cinque delle app di scansione più diffuse.
Perché Trueness e Precisione Contano
Prima di guardare ai risultati, vale la pena chiarire tre termini spesso usati in modo generico ma che in metrologia hanno significati distinti:
- Accuratezza – quanto una singola misurazione è vicina a un valore di riferimento accettato.
- Precisione – quanto sono coerenti tra loro misurazioni ripetute, nelle stesse condizioni.
- Trueness – quanto la media di più misurazioni è vicina al valore di riferimento, indipendentemente dalla loro variabilità.
Uno scanner può essere preciso senza essere “true” (costantemente sbagliato) oppure “true” senza essere preciso (corretto in media, ma con molto rumore). Uno scanner facciale clinicamente affidabile deve dimostrare entrambe le qualità: deve riprodurre risultati vicini alla realtà, e deve farlo in modo coerente, scansione dopo scansione. Scansioni imprecise non sono solo una curiosità tecnica — possono tradursi direttamente in fallimenti del trattamento, come restauri dentali che non si adattano correttamente.
Come È Stato Progettato lo Studio
Per mantenere il confronto controllato e ripetibile, i ricercatori hanno utilizzato un modello facciale tridimensionale in polivinilcloruro, costruito con dimensioni, forma e proporzioni comparabili a un volto umano reale. Sei marker locali in Cobalto-Cromo (rivestiti di smalto rosa per assomigliare al tono della pelle) sono stati fissati permanentemente sul modello in sei punti di riferimento anatomici: il tragus, l’ala del naso e il mento, sia a destra che a sinistra. È stata scelta una forma sferica convessa dei marker proprio perché più facile da scansionare con precisione.
Un file di riferimento è stato acquisito utilizzando uno scanner laser di livello industriale — il FARO® Edge 14000, un dispositivo certificato ISO 9001 e calibrato secondo lo standard ISO/IEC 17025:2017 — stabilendo la “ground truth” rispetto alla quale ogni altro scanner sarebbe stato giudicato.
Sono stati testati dieci dispositivi, con sei scansioni ciascuno
Scanner facciali professionali:
- Face Hunter (Zirkonzahn)
- Space Spider (Artec 3D)
- RayFace (Micerium)
- Easy Face Scan (Revopoint)
- MetiSmile (Shining 3D)
App di scansione consumer:
- Metascan
- TRNIO
- Scaniverse
- MagiScan
- Polycam
I dispositivi professionali utilizzano tutti la tecnologia a luce strutturata, mentre le app si basano sulla fotogrammetria — che ricostruisce un oggetto 3D a partire da più fotografie 2D tramite riconoscimento delle feature e triangolazione.
Ciascuna delle sei scansioni per dispositivo è stata importata in Exocad DentalCAD, dove una libreria di conversione volumetrica personalizzata — sviluppata in collaborazione con New Ancorvis S.r.l. — ha convertito ogni marker sferico nella corrispondente geometria conica. Questo ha permesso la misurazione precisa e ripetibile di otto distanze lineari standardizzate (ad es. ala destra–tragus destro, mento destro–mento sinistro, ala destra–mento destro), fornendo un quadro tridimensionale completo delle prestazioni degli scanner lungo gli assi X, Y e Z.
L’analisi statistica è stata condotta in R, utilizzando modelli di regressione lineare mista, il coefficiente di correlazione intraclasse (ICC), il coefficiente di correlazione di concordanza (CCC) e l’analisi di Bland-Altman per stimare il bias e i limiti di accordo.
Le App Sono Cadute al Primo Ostacolo
Prima ancora che potesse iniziare qualsiasi misurazione dettagliata, è emerso un problema fondamentale con le app consumer. Sebbene la preview della scansione dal vivo apparisse convincente sullo schermo, una volta esportati i file .stl, le scansioni generate dalle app hanno mostrato differenze drastiche nella risoluzione dell’immagine e — più criticamente — sono state esportate con una scala dimensionale errata, sovradimensionata o sottodimensionata rispetto al modello di riferimento.
Questo errore di scala ha reso impossibile allineare i marker emisferici delle scansioni delle app con la geometria conica di riferimento costruita in Exocad. In termini pratici: le misurazioni semplicemente non potevano essere effettuate, perché i file non erano dimensionalmente comparabili alla realtà fin dall’inizio.
L’entità della discrepanza è impressionante. Ad esempio, confrontando le dimensioni di bounding delle scansioni con il modello di riferimento (173,89 × 253,85 × 179,09 mm):
- Metascan: 690,75 × 547,58 × 1034,76 mm
- Polycam: 0,72 × 1,06 × 0,54 mm
- TRNIO: 0,23 × 0,21 × 0,17 mm
- Scaniverse: 0,175 × 0,21 × 0,13 mm
- MagiScan: 0,57 × 0,99 × 0,64 mm
Un controllo preliminare con 3Shape Viewer ha confermato che solo i dispositivi professionali producevano file di scansione correttamente scalati rispetto al riferimento — le app, senza eccezioni, non lo erano. Di conseguenza, le cinque app sono state escluse interamente dalla successiva fase di misurazione, e i ricercatori hanno concluso che un uso clinico significativo di queste app per la scansione facciale rimane attualmente inadeguato, date le limitazioni riscontrate.
Gli Scanner Professionali: Prestazioni Globali Eccellenti
Con i cinque scanner professionali, il quadro è stato molto diverso.
Trueness globale (su tutte le otto distanze lineari)
- Il coefficiente di correlazione intraclasse (ICC) è stato di 1,000 per ogni scanner testato — un punteggio perfetto, che indica un’ottima concordanza con il riferimento e un’eccellente ripetibilità.
- Anche il coefficiente di correlazione di concordanza (CCC) era pari a 1 per tutti gli scanner, confermando sia una forte correlazione sia un bias sistematico minimo rispetto al riferimento.
- Confrontando le distanze lineari medie ottenute nelle sei scansioni con i valori di riferimento, la maggior parte degli scanner non ha mostrato differenze statisticamente significative. L’unica eccezione è stata Easy Face Scan, che ha mostrato una differenza statisticamente significativa (p = 0,003).
- Anche per Easy Face Scan, la discrepanza effettiva era piccola: una sottostima media di soli 0,304 mm (IC 95%: da −0,497 mm a −0,110 mm) — cioè il modello 3D generato risultava leggermente più piccolo dell’oggetto reale. Poiché deviazioni inferiori a 0,5 mm sono generalmente considerate clinicamente insignificanti, gli autori sottolineano che questo risultato statisticamente significativo ha una rilevanza pratica limitata.
- Tutti i cinque scanner hanno inoltre dimostrato un’elevata precisione globale, senza differenze statisticamente significative tra le sei scansioni ripetute per nessun dispositivo.
Trueness locale (misurata su ciascun punto marker individuale)
Qui il quadro diventa più articolato. Quando la trueness è stata valutata a livello locale — cioè su ciascun punto di riferimento anatomico specifico piuttosto che sulle distanze tra di essi — tutti i cinque scanner hanno mostrato discrepanze statisticamente significative rispetto al riferimento (p < 0,001). Tuttavia, per la maggior parte dei dispositivi, queste differenze erano molto vicine allo zero in termini assoluti.
Classifica degli scanner professionali per trueness locale (dal migliore al peggiore):
- Space Spider (Artec 3D) — trueness locale più alta (differenza media: 0,024 mm)
- MetiSmile (Shining 3D) — differenza media: 0,027 mm
- Easy Face Scan (Revopoint) — differenza media: 0,057 mm
- Face Hunter (Zirkonzahn) — differenza media: 0,101 mm
- RayFace (Micerium) — differenza media: 1,203 mm — notevolmente più alta degli altri quattro
RayFace è risultato l’outlier evidente, mostrando discrepanze locali più di dieci volte superiori rispetto allo scanner immediatamente successivo, suggerendo potenziali limitazioni per trattamenti che richiedono una risoluzione spaziale molto elevata, come l’ortodonzia o la protesi.
La precisione locale (quanto era coerente ciascuno scanner nelle sue sei scansioni ripetute, indipendentemente dal valore di riferimento) è risultata elevata in tutti i casi, senza differenze statisticamente significative rilevate tra le misurazioni (p > 0,05 in tutti i casi).
Cosa Significa Questo per la Clinica
Il messaggio clinico è diretto: gli scanner facciali professionali a luce strutturata possono essere considerati affidabili per costruire una rappresentazione digitale accurata e riproducibile del volto del paziente, supportando la pianificazione del trattamento facially-driven in protesi, ortodonzia e implantologia.
Questo è rilevante per diverse attività cliniche quotidiane:
- Valutare l’estetica facciale — posizione delle labbra, linea mediana del volto, angolo naso-labiale, profilo — come parte della pianificazione restaurativa o protesica.
- Valutare con precisione la dimensione verticale di occlusione (DVO) direttamente da uno scan facciale, supportando decisioni protesiche più individualizzate.
- Contestualizzare la posizione dentale sui piani facciali e applicare la “regola dei terzi” nelle riabilitazioni estese.
- Individuare il piano di Camper attraverso i landmark cutanei.
- In implantologia, integrare le informazioni sui tessuti molli con un modello facciale 3D validato per supportare un posizionamento implantare guidato dalla protesi.
Questi risultati sono coerenti con una revisione sistematica e una network meta-analisi più ampia (Canullo et al.), che ha rilevato come le tecnologie di scansione facciale siano generalmente comparabili alla misurazione antropometrica tradizionale, con deviazioni spesso inferiori a 1 mm, suggerendo che una soglia di accuratezza inferiore a 0,60 mm possa essere considerata clinicamente accettabile.
Allo stesso tempo, i risultati costituiscono un chiaro avvertimento contro l’affidarsi ad app consumer per smartphone per la scansione facciale clinica — almeno nel loro stato attuale. Gli errori di scala dimensionale osservati in questo studio non erano piccole differenze di arrotondamento; hanno reso i file fondamentalmente incompatibili con il software di misurazione clinica. Gli autori notano che alcuni studi più recenti hanno riportato risultati più positivi per queste applicazioni, quindi si tratta di un’area in evoluzione che merita test indipendenti continui piuttosto che un verdetto definitivo.
Limiti e Prossimi Passi
Lo studio stesso riconosce i propri limiti: è stato condotto su un modello facciale rigido e artificiale, il che elimina la variabilità naturale di un paziente reale (respirazione, micro-movimenti, elasticità della pelle) ma significa anche che non riflette completamente le condizioni cliniche reali di scansione. Gli autori chiedono futuri studi in vivo per validare questi risultati su pazienti reali, insieme a linee guida cliniche standardizzate che affrontino le soglie di trueness, gli standard di compatibilità e le best practice per integrare le tecnologie di scansione facciale nei workflow digitali di routine.
In Sintesi
- Gli scanner facciali professionali (Face Hunter, Space Spider, RayFace, Easy Face Scan, MetiSmile) hanno dimostrato trueness e precisione globali perfette (ICC = 1,000, CCC = 1) rispetto a uno scanner di riferimento di livello industriale, con solo discrepanze locali minime e clinicamente trascurabili — Space Spider di Artec 3D ha ottenuto le prestazioni migliori nel complesso, mentre RayFace di Micerium ha mostrato le deviazioni locali maggiori.
- Le app di scansione consumer (Metascan, TRNIO, Scaniverse, MagiScan, Polycam) hanno prodotto file con errori di scala dimensionale così significativi che una misurazione attendibile non è stata possibile in questo studio — un limite che, secondo gli autori, dovrebbe continuare a essere monitorato con l’evoluzione della tecnologia.
- Per i workflow clinici in cui i dati facciali alimentano direttamente la pianificazione del trattamento — dal smile design al posizionamento implantare — l’evidenza attuale favorisce i dispositivi professionali a luce strutturata rispetto alle app low-cost basate su fotogrammetria.
Basato su: Mintrone F, Shanableh O, Fabbri G, Noharet R, Giannetti L. “Evaluation of 3D facial scanners: trueness and precision.” Digital Dentistry Journal 3 (2026) 100054. Open access con licenza CC BY 4.0.
Lo studio completo, incluse le tabelle statistiche complete e le figure, è disponibile per il download qui sotto.