نهج تعلّم آلي لتقدير عمر البالغين باستخدام خصائص الأسنان في أشعة بانورامية

لماذا يمكن لأسنانك أن تشير إلى عمرك

مع تقدّمنا في العمر، تسجّل أسناننا بهدوء تاريخنا الشخصي من وجبات وحوادث وزيارات طبية. تسأل هذه الدراسة إلى أي مدى يمكن لذلك السجل أن يكشف عن عمر الشخص في مرحلة البلوغ، مستخدمة تقنيات حاسوبية حديثة لقراءة أنماط دقيقة في صور الأشعة الروتينية للأسنان.

الأسنان كحكاة مدى الحياة

عند الأطفال والمراهقين، يمكن تقدير العمر بدقة معقولة من خلال مراقبة نمو وتشكل الأسنان. أما البالغون، فتركيب الأسنان المكتمل يجعل الخبراء يلجأون إلى التغيرات التي تتراكم مع الزمن، مثل تآكل الأسطح، والحشوات، والتيجان، والغرسات، والأسنان المفقودة. تكون هذه المؤشرات مفيدة في مجالات مثل الطب الشرعي، حيث قد يحتاج المحققون إلى تضييق هوية شخص ما، وفي الأنثروبولوجيا حيث يدرس العلماء شعوب الماضي. الأساليب التقليدية عادة تجمع مجموع أنواع معينة من المعالجات أو الحالات السنية وتدخل هذه الأرقام في صيغة بسيطة، لكن ذلك قد يفقد الكثير من التفاصيل حول أي الأسنان متأثرة وبأي طريقة.

تحويل كمٍّ من التفاصيل إلى بيانات قابلة للاستعمال

عمل الباحثون مع 2415 صورة أشعة بانورامية لبالغين تتراوح أعمارهم بين 20 و89 عاماً. على كل صورة، وسّم الملاحظون المدربون كل سن بإحدى تسع فئات سهلة التعرّف، مثل سليم، مفقود، محشو، متوّج، أو مزروع. إذا أظهر السن ميزتين مختلفتين معاً، مثل علاج قناة تحت تاج، فُسجلتا معاً. بدلاً من دمج كل هذه المعلومات في ملخّصات قليلة، أنشأ الفريق خريطة رقمية منظمة لكل فم تتتبّع ما يحدث في كل موضع بالفك. خدمت هذه الخريطة كمدخل لكل من الصيغ الإحصائية التقليدية ومجموعة من نماذج التعلّم الآلي.

تعليم الحواسيب قراءة أنماط الأسنان

لتقييم مدى قدرة الطرق المختلفة على تقدير العمر، قارَن الفريق الانحدار الخطي القياسي بستة أساليب تعلّم آلي، بما في ذلك الغابات العشوائية وتعزيز التدرج. استخدموا استراتيجية اختبار دقيقة حيث تُدرّب النماذج وتُختبر مراراً على مجموعات فرعية مختلفة من البيانات، بحيث يُجرى كل تقدير على صور لم يرها النموذج سابقاً. على كامل مجموعة الرجال والنساء، كان أفضل صيغة تقليدية تُخطئ بحوالي 12 سنة في المتوسط، بينما قلّص أفضل نموذج تعلّم آلي هذا الخطأ إلى نحو 11 سنة وشرح المزيد قليلاً من التباين في العمر.

ما الذي تعلّمته النماذج من أسناننا

فتح الباحثون أيضاً «الصندوق الأسود» لأفضل نماذجهم ليروا أي الخصائص السنية كانت الأكثر أهمية. وجدوا أن وجود عدد كبير من الأسنان السليمة غير المعيبة يميل إلى خفض الأعمار المتوقعة، بينما يدفع عدد أكبر من الأسنان المفقودة والتيجان التقديرات صعوداً. حملت الأسنان الخلفية عادة معلومات عمرية أكثر من الأسنان الأمامية، وربما لأنّها تُستخدم بشدّة للمضغ وتُستعاد أو تُستأصل أكثر. ومع ذلك، كانت النماذج تميل إلى المبالغة في تقدير أعمار البالغين الأصغر والتقليل من أعمار كبار السن، ما يبيّن أن العلاقة بين التاريخ السني والعمر تظل غير كاملة.

كيف يمكن استخدام هذا في الواقع

في الوقت الراهن، لا تكفي تقديرات العمر المعتمدة على الحاسوب لتقف بمفردها، خصوصاً عندما يكون الهدف تحديد عمر فرد بدقة. من الأفضل اعتبارها دليلاً إضافياً يمكن أن يدعم طرقاً أخرى، مثل فحص العظام أو مقاييس سنية إضافية. تُظهر الدراسة أن الاحتفاظ بمعلومات مفصّلة سنّاً بسِنّ يحسّن ما يمكن استخلاصه من صورة أشعة بسيطة، وأن التعلّم الآلي يمكن أن يحقق مكاسب متواضعة على الصيغ الأقدم. مع مجموعات بيانات أكبر وأكثر تنوعاً، وبدمج ميزات الصورة مع السجلات السريرية، قد تصبح إصدارات لاحقة من هذا النهج أدوات أكثر موثوقية للمساعدة في اتخاذ قرارات جنائية وعيادية.

الاستشهاد: Lee, D., Oh, S., Hwang, S. et al. Machine learning approach for adult age estimation using dental characteristics on panoramic radiographs. Sci Rep 16, 14401 (2026). https://doi.org/10.1038/s41598-026-45271-0

الكلمات المفتاحية: تقدير العمر السني, أشعة بانورامية, التعلّم الآلي, طب الأسنان الجنائي, أسنان البالغين