Stima del sesso da cefalogrammi laterali tramite una rete neurale convoluzionale multimodello ibrida

Perché le radiografie del cranio contano nelle indagini reali

Quando gli investigatori si trovano di fronte a resti non identificati dopo un crimine, un incidente o un disastro, una delle prime domande a cui devono rispondere è se la persona fosse di sesso maschile o femminile. Conoscere questo dato rapidamente restringe notevolmente la ricerca di una corrispondenza e può anche indirizzare ricerche mediche e archeologiche. Questo studio esplora come le radiografie laterali del cranio, comunemente eseguite in ortodonzia e chiamate cefalogrammi laterali, possano essere combinate con l’intelligenza artificiale per stimare il sesso con altissima precisione, offrendo un aiuto rapido e oggettivo ai metodi forensi tradizionali.

Dalla radiografia del dentista a un indizio forense

I cefalogrammi laterali sono immagini standard usate da dentisti e ortodontisti per pianificare i trattamenti. Mostrano la vista laterale della testa, compresi fronte, radice del naso, mascella e base del cranio. Queste regioni contengono sottili differenze di forma tra maschi e femmine, come la prominenza della fronte, la lunghezza della base cranica e l’altezza verticale del volto. Finora, gli esperti hanno misurato queste differenze manualmente, usando angoli e distanze tra punti anatomici ben definiti. Questo lavoro manuale è lento, richiede formazione specializzata e può essere influenzato dal giudizio dell’esaminatore, soprattutto quando le ossa sono danneggiate o le immagini poco nitide.

Combinare due tipi di intelligenza artificiale

I ricercatori hanno progettato un sistema informatico “ibrido” che imita il modo in cui un esperto umano studia un cefalogramma, apprendendo allo stesso tempo direttamente da pattern d’immagine che potrebbero essere invisibili a occhio nudo. Una parte del sistema, basata su una rete neurale chiamata DenseNet169, è stata addestrata su radiografie in cui cinque punti di repere chiave erano stati accuratamente marcati: la glabella (fronte), il nasion (radice del naso), la sella (una piccola cavità alla base del cranio), la basion (parte posteriore inferiore dell’apertura cranica) e il menton (punto più basso del mento). Usando questi punti, il modello ha calcolato automaticamente due distanze importanti — la lunghezza della base cranica e l’altezza facciale totale — e tre angoli formati collegando i punti in triangoli. Queste misure sono poi state inserite in formule, sviluppate in lavori precedenti, che determinano se il cranio è più probabilmente maschile o femminile.

Lasciare che il computer “guardi” senza istruzioni

La seconda parte del sistema ibrido utilizzava una rete chiamata EfficientNetB3, a cui non sono stati forniti repere o misurazioni. Invece, ha imparato a riconoscere pattern legati al sesso osservando direttamente le immagini radiografiche grezze. Il suo ruolo assomiglia a quello di un radiologo esperto che, dopo molti casi, impara a notare combinazioni di ombre e forme che tendono a comparire più spesso negli uomini o nelle donne. Un metodo di apprendimento automatico separato, noto come classificatore random forest, ha interpretato le caratteristiche estratte da EfficientNetB3 e prodotto una propria previsione di sesso. È importante sottolineare che questa via non supervisionata è stata addestrata su immagini che non richiedevano marcature manuali laboriose, rendendo più semplice l’espansione del sistema a dataset più grandi in futuro.

Votare per la risposta migliore

Per giungere a una decisione finale, i ricercatori hanno combinato tre “opinioni”: una basata su distanze lineari, una su misure angolari e una sull’analisi solo immagine. Il sistema ha usato il voto di maggioranza — il sesso suggerito da almeno due delle tre metodiche diventava l’output finale. Su un dataset principale di 150 adulti, ampliato con tecniche di aumento delle immagini, l’approccio basato sulle distanze ha raggiunto da solo il 100% di accuratezza, e quello basato sugli angoli si è avvicinato, con poco meno del 100%. Il modello basato solo sulle immagini è risultato meno accurato, intorno all’81%, ma quando tutti e tre sono stati combinati, l’accuratezza complessiva è stata circa il 99,7%. Per verificare come funzionerebbe nel mondo reale, il team ha anche valutato il modello ibrido su un set aggiuntivo di 46 radiografie che non rispettavano rigorosamente le regole di qualità delle immagini originali. Anche in quel caso, il sistema ha stimato correttamente il sesso in circa il 98% dei casi e ha mostrato una forza diagnostica “eccellente” secondo le statistiche mediche standard.

Cosa significa per la scienza e la società

Per scienziati forensi, archeologi ed esaminatori medici, lo studio suggerisce che una combinazione accuratamente progettata di misurazioni guidate dall’uomo e apprendimento d’immagine libero può fornire stime del sesso quasi perfette a partire da radiografie dentali di uso quotidiano. Il metodo non è inteso a sostituire gli esperti o il gold standard tradizionale della misurazione manuale, ma a offrire un secondo parere rapido e coerente — particolarmente utile quando molti casi devono essere processati contemporaneamente, come nei disastri di massa. Gli autori sottolineano che sono necessari ulteriori test su collezioni di resti più ampie e più varie, oltre a un’attenta considerazione di etica, trasparenza e norme legali. Ciononostante, questa rete neurale ibrida rappresenta un passo importante verso strumenti di IA pratici e spiegabili che possano assistere nell’identificazione dei deceduti e nel ripristino della loro identità legale.

Citazione: Widyaningrum, R., Rosyida, N.F., Ningtyas, A.H. et al. Sex estimation from lateral cephalograms via a hybrid multimodel convolutional neural network. Sci Rep 16, 6490 (2026). https://doi.org/10.1038/s41598-026-36147-4

Parole chiave: identificazione forense, cefalogramma laterale, stima del sesso, deep learning, radiologia craniofacciale