Classificazione del seno mascellare per sesso ed età usando 23 architetture di intelligenza artificiale

Perché i seni nelle tue guance contano

Gli spazi nelle tue guance che aiutano a respirare e alleggerire il cranio potrebbero anche contenere indizi su chi sei. Questo studio indaga se la forma e le dimensioni dei seni mascellari — cavità piene d’aria ai lati del naso — catturate in radiografie dentali di routine possano aiutare l’intelligenza artificiale (IA) a stimare il sesso di una persona e se è più giovane o più anziana rispetto alla metà dell’adolescenza. Strumenti simili potrebbero un giorno assistere le indagini forensi e il confronto di cartelle cliniche, quando i metodi di identificazione tradizionali mancano o sono incompleti.

Le stanze nascoste all’interno del tuo volto

I seni paranasali sono spazi vuoti nelle ossa del volto e del cranio, inclusi i mascellari nelle guance. Contribuiscono a condizionare l’aria che respiriamo, a ridurre il peso della testa e a supportare le difese immunitarie. Poiché questi spazi crescono e cambiano dall’infanzia all’età adulta e tendono a essere in media un po’ più grandi nei maschi rispetto alle femmine, i loro contorni nelle radiografie possono contenere informazioni sia sull’età sia sul sesso. Ricerche precedenti hanno misurato questi seni manualmente o con software convenzionali, spesso su scansioni tridimensionali, con successo moderato ma a costi e sforzi considerevoli.

Insegnare ai computer a leggere le radiografie dentali

In questo studio i ricercatori hanno raccolto quasi 19.000 radiografie panoramiche dentali di pazienti brasiliani di età compresa tra 6 e poco meno di 23 anni. Si tratta delle immagini a raggi X ampie e curve che molte persone ricevono dal dentista. Dentisti forensi addestrati hanno tracciato manualmente riquadri rettangolari attorno al seno mascellare sinistro e destro di ciascuna persona, definendo la regione di interesse per il computer. Le immagini sono state poi standardizzate in dimensione e luminosità e leggermente alterate con rotazioni o inversioni minori per aiutare i modelli di IA a imparare pattern robusti invece di memorizzare singole immagini.

Mettere alla prova 23 “occhi” digitali

Il team ha valutato 23 diversi sistemi di analisi delle immagini basati su IA, inclusi classici network convoluzionali (CNN), più recenti Vision Transformer (ViT e DeiT) e un moderno modello di rilevamento noto come YOLOv11. Hanno sottoposto questi modelli a tre compiti: decidere se una persona è maschio o femmina; classificarla come di età pari o inferiore a 15 anni oppure oltre i 15; e suddividerla in quattro gruppi che combinano sesso ed età (ragazze giovani, donne maggiori, ragazzi giovani, uomini maggiori). Per mantenere equa la valutazione, i dati sono stati suddivisi in set di addestramento, validazione e test rigorosamente separati, e una tecnica chiamata cross‑validation a cinque fold ha garantito che ogni immagine fosse usata per il test esattamente una volta.

Quanto bene si sono comportate le macchine

Per la sola stima del sesso, i modelli migliori — due sistemi Transformer e una CNN avanzata — hanno classificato correttamente circa il 78–81% dei casi. Questo è grosso modo in linea con i migliori metodi precedenti, ma significa comunque che circa una persona su cinque verrebbe classificata in modo errato, il che è troppo incerto perché i seni possano essere usati come unico indizio. L’età è risultata più facile: quando il compito era semplicemente decidere se qualcuno avesse 15 anni o meno oppure più di 15, i migliori modelli hanno dato la risposta corretta circa il 95% delle volte, con ottime prestazioni per entrambi i gruppi. Tuttavia, quando sesso ed età dovevano essere indovinati insieme in quattro categorie, l’accuratezza è scesa intorno al 73–75%, mostrando che quanto più dettagliata è la domanda, tanto più difficile è per l’IA distinguere sottili differenze nell’aspetto dei seni.

Cosa significa questo per la medicina legale e l’odontoiatria

In tutti e tre i compiti, i modelli basati su Transformer più recenti hanno generalmente superato la maggior parte delle CNN tradizionali, probabilmente perché sono migliori nell’analizzare l’intera radiografia e nel rilevare pattern a lunga distanza nei seni. Anche YOLOv11, un modello originariamente progettato per trovare oggetti nelle immagini, si è comportato particolarmente bene, soprattutto nei compiti legati all’età. Nonostante ciò, gli autori sottolineano che tali strumenti dovrebbero attualmente essere considerati assistenti utili e non soluzioni autonome nel lavoro forense reale. Potrebbero, per esempio, suggerire rapidamente se resti sconosciuti appartengono probabilmente a una persona sotto o oltre i 15 anni, o fornire una stima preliminare del sesso da confrontare con prove più solide come denti o ossa. Lavori futuri con dataset più diversificati, gruppi d’età più fini e possibilmente scansioni tridimensionali saranno necessari prima che la lettura basata su IA dei seni delle guance possa avere un ruolo centrale nell’identificazione delle persone.

Citazione: 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

Parole chiave: odontologia forense, seno mascellare, stima dell'età, stima del sesso, deep learning