Нарушения окклюзионных взаимоотношений представляют собой актуальную проблему в стоматологической практике из-за высокой распространенности, сложности диагностики и лечения, а также связи с общими соматическими заболеваниями. Эти патологии снижают качество жизни пациентов и усложняют процесс медицинской реабилитации. Особенно значима профилактика, направленная на раннее выявление факторов риска. Целью данного исследования является выявление основных факторов риска развития нарушений окклюзионных взаимоотношений. Материалы и методы. Проведено рандомизированное контролируемое исследование с участием 72 пациентов в возрасте от 18 до 44 лет. В исследование не включались пациенты с острыми инфекционными заболеваниями, декомпенсированными хроническими болезнями, онкологией, психическими расстройствами и воспалениями пародонта. Оценка включала клинический осмотр, конуснолучевую компьютерную томографию, электромиографию, ультразвуковое обследование височно-нижнечелюстного сустава и анализ окклюзии. Были использованы методы 3D-моделирования и анализа симметрии черепа, а также Гамбургский тест для оценки функционального состояния височно-нижнечелюстного сустава. Результаты клинического обследования были подвергнуты иерархическому кластерному анализу. Результаты и их обсуждение. По результатам обследования была выявлена группа ключевых факторов риска, влияющих на развитие окклюзионных нарушений. Анализ данных показал, что наиболее значимыми компонентами являются мышечный, суставной и челюстной комплексы, включающие электромиографические показатели, размеры суставной щели и окклюзионные контакты. Среднее значение Гамбургского теста среди пациентов составило 3,82 ± 0,71 балла, что указывает на высокую распространенность дисфункции височно-нижнечелюстного сустава. Кластерный анализ позволил выделить три основные группы факторов риска, включая мышечные, суставные и зубные признаки. Заключение. Выявление факторов риска развития окклюзионных нарушений играет ключевую роль в улучшении диагностики и лечения пациентов. Использование кластерного анализа и современных технологий, таких как 3D-моделирование и искусственный интеллект, позволяет повысить эффективность профилактики и лечения данной патологии.