Мультимодальное глубокое обучение с анатомически ограниченным вниманием для скрининга МРТ-детектируемых аномалий ВНЧС по панорамным снимкам

Почему болит ваша челюсть имеет значение

Боль в челюсти, щелчки или затрудненное открывание рта могут казаться незначительными раздражениями, но в совокупности они могут указывать на проблемы в крошечных суставах, которые позволяют вам говорить и жевать — височно-нижнечелюстных суставах (ВНЧС). Эти суставы расположены непосредственно перед ушами и обладают удивительной сложностью. Описанное исследование изучает, как искусственный интеллект (ИИ) может превратить обычный, недорогой стоматологический снимок в мощный инструмент раннего предупреждения, помогая стоматологам решить, кому действительно нужен дорогостоящий МРТ-скан для поиска скрытых повреждений сустава.

Трудности при визуализации внутри челюстного сустава

Расстройства ВНЧС затрагивают примерно треть людей во всем мире и могут вызывать боль, блокировку и затруднение открытия рта, что существенно влияет на повседневную жизнь. Лучший способ увидеть внутренности сустава — особенно мягкие ткани, такие как хрящевой диск — это магнитно-резонансная томография (МРТ). Однако МРТ дорога, занимает время и не всегда доступна в каждой клинике, поэтому она непрактична как первичное обследование для всех пациентов с симптомами со стороны челюсти. Стоматологи обычно полагаются на панорамные рентген-изображения, которые быстры и недороги, но эти снимки в основном показывают кость и упускают многие проблемы с мягкими тканями. Авторы поставили вопрос: может ли система ИИ научиться извлекать больше информации из таких рутинных рентгенов, особенно в сочетании с простыми клиническими признаками, такими как шумы в суставе и ограниченное открывание рта, чтобы предсказать, у каких пациентов, вероятно, будут аномалии ВНЧС, видимые на МРТ.

Преобразование рутинных снимков и симптомов в умный скрининг

Исследовательская группа собрала данные от 1355 пациентов (2710 отдельных суставов), у которых были как панорамные снимки ВНЧС, так и МРТ. Они также фиксировали наличие шумов в суставе (щелчки или трение), трудности с широким открыванием рта и изменения костной структуры, видимые на конусно-лучевой КТ. Используя эти данные, они построили несколько моделей глубокого обучения, которые анализировали парные панорамные снимки суставов в открытом и закрытом положениях. Ключевой инновацией стала система «анатомически направленного внимания». Вместо того чтобы позволять ИИ слепо просматривать всё изображение, модель обучали уделять особое внимание мыщелку — округлому концу нижней челюсти, входящему в сустав. Тепловые карты показали, что при таком подходе ИИ последовательно фокусируется на медицински важной области при вынесении решений.

Смешение изображений, звуков и клинических данных

Исследователи сравнили разные архитектуры моделей, начиная с базовой системы, работающей только с изображениями, и постепенно добавляя клиническую информацию. Когда они включали признаки вроде шумов в суставе и ограниченного открытия рта вместе с рентгенами, ИИ лучше балансировал между обнаружением нормальных и аномальных суставов. Добавление данных об изменениях кости из КТ давало дальнейший, хотя и меньший, прирост точности. Они также пробовали сильно обрезать снимки вокруг мыщелка. Такой узкий ракурс помогал системе лучше распознавать нормальные суставы, но приводил к упущению больных, что указывает на то, что важные подсказки могут находиться за пределами непосредственного контура сустава. Чтобы использовать сильные и слабые стороны разных подходов, команда объединила несколько версий моделей в «ансамбль», усредняя их предсказания. Этот ансамбль показал наилучшую производительность с площадью под ROC-кривой (AUC) примерно 0,86, что означает, что он надежно различал суставы с проблемами, видимыми на МРТ, и без них.

От лабораторной модели к вспомогательному инструменту у кресла пациента

Опираясь на эти результаты, авторы предложили практический рабочий процесс для повседневной стоматологической практики. Пациент с подозрением на проблемы ВНЧС сначала проходит стандартный клинический осмотр и панорамный снимок, которые уже являются обычными процедурами. Затем ИИ анализирует парные изображения в открытом и закрытом положениях вместе с базовыми клиническими признаками и выдает вероятность наличия аномалии, видимой на МРТ. Пациентам, у которых риск превышает гибкий порог — например, 60% — рекомендуется МРТ, в то время как при более низком риске показано наблюдение или консервативное лечение. В тестах такая стратегия снизила зависимость от более инвазивной 3D КТ при сохранении высокой точности, предлагая способ приоритизировать МРТ для тех, кому она наиболее полезна.

Что это значит для пациентов и стоматологов

Главная мысль для неспециалиста такова: более умный анализ знакомых стоматологических рентгенов может помочь обнаружить серьезные проблемы с челюстным суставом раньше, не отправляя всех на дорогостоящие обследования. Система ИИ не заменяет МРТ или клиническое суждение стоматолога; она выступает в роли инструмента триажа, выделяя пациентов, у которых сочетание снимков и симптомов указывает на более глубокую проблему в суставе. Хотя исследование проводилось в одной больнице и сосредоточено на решениях «да/нет», а не на детальной классификации подтипов заболеваний, оно демонстрирует, как сочетание простых клинических признаков с усиленной ИИ визуализацией может сократить разрыв между офисными инструментами и диагностикой на уровне специалистов. При подтверждении в других клиниках такой подход может сделать уход за ВНЧС быстрее, точнее и доступнее.

Цитирование: Jung, HJ., Ju, D., Kim, C. et al. Multimodal deep learning with anatomically constrained attention for screening MRI-detectable TMJ abnormalities from panoramic images. npj Digit. Med. 9, 189 (2026). https://doi.org/10.1038/s41746-026-02378-y

Ключевые слова: височно-нижнечелюстной сустав, панорамная радиография, искусственный интеллект, скрининг МРТ, боль в челюсти