סיווג הסינוס המקסילרי למין ולגיל באמצעות 23 ארכיטקטורות בינה מלאכותית

למה הסינוסים בלחיים חשובים

החללים בלחיים שעוזרים לנשום ומקלילים את משקל הגולגולת עשויים גם להכיל רמזים לגבי זהותנו. מחקר זה בוחן האם הצורה והגודל של הסינוסים המקסילריים—חללים מלאי אוויר לצד האף—שהם נראים בצילומי רנטגן דנטליים שגרתיים יכולים לסייע לבינה מלאכותית (AI) להעריך את מינו של אדם והאם הוא צעיר או מבוגר ממחצית שנות העשרה. כלים כאלה עשויים בעתיד לסייע בחקירות זיהוי פלילי ובאיתור רשומות רפואיות, במקרים שבהם שיטות זיהוי מסורתיות אינן זמינות או לא שלמות.

החדרים הנסתרים בתוך פנייך

הסינוסים הפרנאזליים הם חללים חלולים בעצמות הפנים והגולגולת, כולל העצמות המקסילריות בלחיים. הם מסייעים בתנאי האוויר שאנו נושמים, מקטינים את משקל הראש ותומכים בהגנה החיסונית. מאחר שחללים אלה גדלים ומשתנים מילדות לבגרות ונוטים להיות בממוצע מעט גדולים יותר בגברים מאשר בנשים, קווי המתאר שלהם בצילומים עשויים להכיל מידע גם על גיל וגם על מין. מחקרים קודמים מדדו סינוסים אלה בעבודת יד או באמצעות תוכנות קונבנציונליות, לעתים בסריקות תלת‑ממדיות, עם הצלחה מתונה אך בעלות ומאמץ ניכרים.

לימוד מחשבים לקרוא רנטגנים דנטליים

במחקר זה ריכזו החוקרים כמעט 19,000 רנטגנים פנורמיים דנטליים של מטופלים ברזילאים בגילאי 6 ועד מתחת ל‑23. אלה תמונות רנטגן רחבות וקמורות שמקבלים רבים בביקור אצל רופא השיניים. רופאים משפטיים מאומנים שרטטו באופן ידני תיבות מלבניות סביב הסינוס המקסילרי הימני והשמאלי של כל אדם, והגדירו את אזור העניין למחשב. התמונות הוערכו וגודלו ובהירותן הותוו סטנדרטית, ושונו במעט בדרכים כמו סיבובים קלים או היפוכים כדי לעזור למודלי ה‑AI ללמוד דפוסים יציבים במקום לשנן תמונות ספציפיות.

ביצוע מבחן ל‑23 "עיניים" דיגיטליות

הצוות העריך 23 מערכות ניתוח תמונה מבוססות AI שונות, כולל רשתות קונבולוציה קלאסיות (CNN), טרנספורמרים חזותיים חדשים יותר (ViT ו‑DeiT), ומודל איתור מודרני הידוע בשם YOLOv11. הם אתגרו את המודלים בשלוש משימות: קבלת החלטה אם אדם הוא זכר או נקבה; סיווג האם הוא בן 15 וצעיר יותר מול מבוגר מ‑15; ומיון ל‑4 קבוצות שמשלבות מין וגיל (בנות צעירות, נשים בוגרות, בנים צעירים, גברים בוגרים). כדי לשמור על הערכה הוגנת, הנתונים הופרדו לערכות אימון, אימות ומבחן נפרדת לחלוטין, וטכניקה בשם חצייה צולבת בחמישה קיפולים הבטיחה שכל תמונה תשמש למבחן בדיוק פעם אחת.

כמה טוב המכונות ביצעו

בהערכת המין בלבד, המודלים הטובים ביותר—שני מערכות טרנספורמר ומודל CNN מתקדם אחד—סווגו נכון בערך ב‑78–81% מהמקרים. זה בקירוב בקנה אחד עם השיטות הטובות הקודמות, אך עדיין משמע שאחד מכל חמישה אנשים יוטעה, מה שמצביע על כך שסינוסים לבדם אינם מספיקים כהוכחה בלעדית. גיל התברר כקל יותר: כאשר המשימה הייתה בפשטות להחליט אם מישהו הוא בן 15 וצעיר יותר או מבוגר מ‑15, המודלים המובילים השיגו תשובה נכונה סביב 95% מהמקרים, עם ביצועים מצוינים גם לקבוצות הצעירות וגם לקבוצות המבוגרות. עם זאת, כאשר נדרשה חיזוי משולב של מין וגיל לארבע קטגוריות, הדיוק ירד לכ‑73–75%, מה שמראה שככל שהשאלה מפורטת יותר, כך קשה יותר ל‑AI להבחין בהבדלים עדינים במראה הסינוס.

מה זה אומר למשפטים ולשורשיות דנטלית

בכל שלוש המשימות, המודלים החדשים המבוססים על טרנספורמרים הציגו ביצועים טובים יותר באופן עקבי מרוב ה‑CNNים המסורתיים, ככל הנראה משום שהם טובים יותר בקליטת התמונה כולה ובלזיהוי דפוסים רחבי טווח בסינוסים. גם YOLOv11, מודל שתוכנן במקור לאיתור עצמים בתמונות, עשה עבודה טובה במיוחד, במיוחד במשימות הקשורות לגיל. עם זאת, המחברים מדגישים כי יש לראות כלים אלה כרע-ים מסייעים כרגע ולא כפתרונות עצמאיים בעבודת זיהוי משפטית בעולם האמיתי. הם עשויים, למשל, להציע במהירות אם שרידים לא מזוהים שייכים ככל הנראה לאדם מתחת או מעל גיל 15, או לספק הערכת מין ראשונית שיש לבדוק מול ראיות חזקות יותר כגון שיניים או עצמות. יש צורך בעבודת המשך עם מאגרי נתונים מגוונים יותר, קבוצות גיל מדויקות יותר ואולי גם סריקות תלת‑ממדיות לפני שניתן יהיה להעניק לקריאת סינוסים בלחיים תפקיד מרכזי בזיהוי זהותנו.

ציטוט: Anees, W., Silva, R., Khan, A. et al. Maxillary sinus classification for sex and age using 23 artificial intelligence architectures. Sci Rep 16, 5716 (2026). https://doi.org/10.1038/s41598-026-36112-1

מילות מפתח: אודונטולוגיה משפטית, סינוס מקסילרי, אומדן גיל, אומדן מין, למידה עמוקה