Development of reinforced calcium silicate dental cement

Calcium silicate cements (CSCs), such as Biodentine™, possess excellent bioactivity, prompting growing clinical interest in expanding their application into the field of orthodontics. To meet the specific biomechanical demands required for orthodontic treatments, this study investigates the mechanical reinforcement of Biodentine™ using silanized chopped E-glass fibers (3 vol% and 6 vol%) and introduces a predictive Machine Learning (ML) framework for future material optimization. The materials were characterized regarding rheological behavior, mechanical performance (compressive strength, microhardness, three-point bending) at 24 hours and 7 days, and microstructural architecture via µCT and SEM. Additionally, a Random Forest algorithm coupled with Active Learning was developed to virtually simulate and predict the properties of novel formulations. The 6 vol% composite maximized mechanical resilience, achieving a peak compressive strength of 257.6 MPa and a flexural strength of 1.90 MPa after 7 days. SEM fractography confirmed a transition to a failure mode governed by energy-dissipating mechanisms such as fiber pull-out and crack bridging. While handling properties remained clinically suitable, the 6 vol% fraction approached the matrix packing limit, causing a reduction in flowability and a transient decrease in early-stage microhardness due to Interfacial Transition Zone (ITZ) porosity. The incorporation of silanized E-glass fibers successfully reinforces Biodentine™, supporting its expanded clinical utility in orthodontics without compromising its handling. The parallel development of the ML-based virtual laboratory represents a promising paradigm shift, paving the way for targeted, computationally guided engineering of future dental biomaterials.

I cementi a base di silicato di calcio (CSC), come Biodentine™, possiedono eccellenti proprietà biologiche, suscitando un crescente interesse clinico per l’ampliamento del loro utilizzo nel campo dell’ortodonzia. Per soddisfare le specifiche richieste biomeccaniche dei trattamenti ortodontici, questo studio valuta il rinforzo meccanico del Biodentine™ mediante l’uso di fibre di vetro E silanizzate (3 vol% e 6 vol%) e introduce un framework predittivo di Machine Learning (ML) per l’ottimizzazione futura del materiale. I materiali sono stati caratterizzati per quanto riguarda il comportamento reologico, le prestazioni meccaniche (resistenza alla compressione, microdurezza, flessione su tre punti) a 24 ore e 7 giorni, e l’architettura microstrutturale tramite µCT e SEM. Parallelamente, un algoritmo Random Forest accoppiato ad Active Learning è stato sviluppato per simulare e predire virtualmente le proprietà di nuove formulazioni. Il composito al 6 vol% ha massimizzato la resilienza meccanica, raggiungendo una resistenza alla compressione di picco di 257.6 MPa e una resistenza alla flessione di 1.90 MPa dopo 7 giorni. La frattografia SEM ha confermato la transizione verso una modalità di rottura governata da meccanismi di dissipazione dell’energia, quali il pull-out delle fibre e il crack bridging. Pur mantenendo proprietà di manipolazione clinicamente idonee, la frazione al 6 vol% si è avvicinata al limite di compattazione della matrice, causando una riduzione della fluidità e un calo transitorio della microdurezza nelle prime fasi a causa della porosità nella zona di transizione interfacciale (ITZ). L’incorporazione di fibre di vetro E silanizzate rinforza con successo il Biodentine™, supportandone l’estensione dell’uso clinico in ortodonzia senza comprometterne la lavorabilità. Lo sviluppo parallelo del laboratorio virtuale basato sul ML rappresenta un promettente cambio di paradigma, aprendo la strada a un’ingegnerizzazione mirata e guidata computazionalmente dei futuri biomateriali dentali.