Leeftijdsschatting met AI op basis van occlusale tandslijtage met behulp van biofluorescentie-imaging

Waarom je tanden je verhaal kunnen vertellen

Terwijl we ouder worden, leggen onze tanden stilletjes de jaren vast. Elke maaltijd, elk tussendoortje en elke klembeweging ’s nachts laat kleine sporen achter op de kauwvlakken. Deze studie laat zien hoe een combinatie van speciale lichtgebaseerde beeldvorming en kunstmatige intelligentie (AI) die sporen kan uitlezen om iemands leeftijd te schatten, zonder boren, röntgenfoto’s of giswerk. De methode zou ooit kunnen helpen bij forensisch onderzoek, grootschalige gezondheidsstudies en zelfs bij routinematige tandheelkundige controles.

Licht werpen op verborgen tandclues

Tanden weerkaatsen niet alleen gewoon licht; ze gloeien ook zwak wanneer ze met bepaalde kleuren worden verlicht. De onderzoekers gebruikten een techniek die kwantitatieve lichtgeïnduceerde fluorescentie heet, waarbij tanden worden bestraald met violet-blauw licht en de groenachtige gloed die terugkomt wordt vastgelegd. Normaal glazuur en versleten gebieden gloeien anders, waardoor een meetbaar signaal ontstaat dat samenhangt met hoeveel een tand in de loop van de tijd is afgesleten. Uit deze beelden berekende het team een getal, een slijtage-score, voor het meest versleten gebied van elke tand, waardoor een vage visuele indruk van slijtage veranderde in een precieze meting.

Van tandhelderheid naar leeftijdscijfers

De studie analyseerde meer dan 2.700 tanden van 104 volwassenen in de leeftijd van 20 tot 69 jaar. De wetenschappers controleerden eerst of hun slijtage-scores betrouwbaar waren bij dubbele meting, en dat bleken ze in sterke mate te zijn. Vervolgens onderzochten ze hoe de gemiddelde slijtage-score over alle tanden zich verhoudt tot iemands werkelijke leeftijd. Het resultaat was een duidelijke stijgende trend: oudere mensen hadden over het algemeen hogere scores, wat meer uitgesproken slijtage betekent. Dit bevestigde dat de fluorescentiegerelateerde maat niet slechts een technische curiositeit was, maar daadwerkelijk leeftijdsgerelateerde veranderingen in het tandoppervlak volgde.

Een AI trainen om tand-tijdstempels te lezen

Vervolgens vroegen de onderzoekers zich af of een machine-learningmodel de slijtage-scores van veel tanden kon combineren om iemands leeftijd te voorspellen. Ze gebruikten een methode genaamd random forest, die de beslissingen van veel eenvoudige beslisbomen mengt om één schatting te geven. De data werden zorgvuldig gesplitst zodat het model leerde van één groep personen en vervolgens getest werd op volledig andere individuen, om te optimistische resultaten te vermijden. Na het afstemmen van de modelinstellingen lag de typische fout op ongeziene gevallen rond zeven tot acht jaar, vergelijkbaar met veel bestaande tandheelkundige leeftijdsmethoden die afhankelijk zijn van röntgenfoto’s of invasieve monsters.

De paar tanden die er het meest toe doen vinden

Elke tand in de mond controleren kan traag zijn en is niet altijd mogelijk, vooral als tanden ontbreken of sterk gerestaureerd zijn. Om het systeem praktischer te maken, gebruiken de onderzoekers een algoritme dat systematisch verschillende tandcombinaties uitprobeert en die bewaart die het grootste deel van de voorspellende kracht behouden. Tot hun verrassing ontdekten ze dat slechts zeven strategisch geplaatste tanden — voor- en achteraan, boven en onder — bijna net zo goed presteerden als het volledige set van 28 tanden. Deze zeven tanden vertoonden zelfs een iets sterkere relatie met leeftijd dan de hele mond, wat suggereert dat sommige tanden voornamelijk ruis toevoegen in plaats van nuttige informatie.

Wat dit in het dagelijks leven kan betekenen

Voor leken is de conclusie dat onze kauwvlakken een beetje werken als een biologisch kalenderblokje, en dat die kalender nu gelezen kan worden met een camera en een interpreteerbaar AI-model in plaats van alleen met het blote oog. De methode is niet-invasief, vermijdt straling en wijst de weg naar draagbare systemen die in klinieken, veldonderzoeken en forensische toepassingen leeftijd kunnen schatten met slechts een handvol sleutel-tanden. Het huidige werk is een vroeg proof-of-concept gebaseerd op een bescheiden aantal deelnemers, dus grotere en meer diverse studies zijn nodig. Toch toont het aan dat oplichtende patronen op versleten tanden, geanalyseerd met transparante AI, een praktische nieuwe manier kunnen bieden om in te schatten hoeveel jaren iemand geleefd heeft.

Bronvermelding: Kim, SK., Lee, ES. & Kim, BI. AI-assisted age estimation from occlusal tooth wear using biofluorescence imaging. Sci Rep 16, 13145 (2026). https://doi.org/10.1038/s41598-026-42573-1

Trefwoorden: forensische leeftijdsschatting, tandslijtage, biofluorescentie-imaging, tandheelkundige AI, kwantitatieve lichtgeïnduceerde fluorescentie