AI-assisterad åldersbedömning från ocklusalt tandslitage med biofluorescensavbildning

Varför dina tänder kan berätta din historia

När vi lever vårt liv registrerar tänderna tyst åren. Varje måltid, varje mellanmål och varje nattligt spända käkkläm lämnar små märken på deras bitytor. Denna studie visar hur en kombination av specialiserad ljusburen avbildning och artificiell intelligens (AI) kan läsa dessa märken för att uppskatta en persons ålder utan borrning, röntgen eller gissningar. Metoden kan en dag hjälpa i rättsmedicinska utredningar, stora hälsostudier och även vid rutinmässiga tandläkarbesök.

Att belysa dolda tandledtrådar

Tänder reflekterar inte bara vanligt ljus; de kan också glöda svagt när de belyses med vissa färger. Forskarna använde en teknik kallad kvantitativ ljusinducerad fluorescens, som badar tänderna i violettblått ljus och fångar det grönaktiga skenet som återvänder. Normal emalj och slitna områden glöder olika, vilket skapar en mätbar signal relaterad till hur mycket en tand har nöts ner över tiden. Från dessa bilder beräknade teamet ett tal, kallat slitagepoäng, för det mest slitna området på varje tand och förvandlade ett diffust visuellt intryck av slitage till en precis mätning.

Från tandens ljusstyrka till ålderssiffror

Studien analyserade mer än 2 700 tänder från 104 vuxna i åldrarna 20 till 69 år. Forskarna kontrollerade först om deras slitagepoäng var tillförlitliga när de mättes två gånger, och de visade hög konsistens. De undersökte sedan hur den genomsnittliga slitagepoängen över alla tänder förhöll sig till en persons verkliga ålder. Resultatet var en tydlig uppåtgående trend: äldre personer hade generellt högre poäng, alltså mer uttalat slitage. Detta bekräftade att fluorescensbaserat mått inte bara var en teknisk kuriosa utan faktiskt följde åldersrelaterade förändringar i tandytor.

Att träna en AI att läsa tandens tidsstämplar

Nästa steg var att undersöka om en maskininlärningsmodell kunde kombinera slitagepoängen från många tänder för att förutsäga någons ålder. De använde en metod kallad random forest, som blandar besluten från många enkla beslutsträd för att ge ett enda estimat. Data delades omsorgsfullt så att modellen lärde sig från en grupp personer och sedan testades på helt andra individer, för att undvika överoptimistiska resultat. Efter inställningsoptimering var det typiska felet på osedda fall ungefär sju till åtta år, jämförbart med många befintliga tandbaserade åldersmetoder som förlitar sig på röntgen eller invasiva prover.

Att hitta de få tänderna som betyder mest

Att kontrollera varje tand i munnen kan vara tidskrävande och är inte alltid möjligt, särskilt när tänder saknas eller är kraftigt restaurerade. För att göra systemet mer praktiskt använde forskarna en algoritm som systematiskt provade olika tandkombinationer och behöll de som bevarade det mesta av den prediktiva kraften. Överraskande nog fann de att bara sju strategiskt utvalda tänder — framtänder och kindtänder, över och under — presterade nästan lika bra som att använda hela uppsättningen på 28 tänder. Faktum är att dessa sju tänder visade ett något starkare samband med ålder än hela munnen, vilket antyder att vissa tänder mest adderar brus snarare än hjälpsam information.

Vad detta kan betyda i vardagen

För icke-experter är slutsatsen att våra bittande ytor fungerar lite som en biologisk kalender, och den kalendern kan nu avläsas av en kamera och en tolkbar AI-modell istället för bara med blotta ögat. Metoden är icke-invasiv, undviker strålning och pekar mot bärbara system som skulle kunna uppskatta ålder i kliniker, fältstudier och rättsmedicinska sammanhang med endast ett fåtal nyckeltänder. Det nuvarande arbetet är ett tidigt proof-of-concept baserat på ett begränsat antal deltagare, så större och mer varierade studier behövs. Ändå visar det att lysande mönster på slitna tänder, filtrerade genom transparent AI, kan erbjuda ett praktiskt nytt sätt att uppskatta hur många år en person har levt.

Citering: 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

Nyckelord: forensisk åldersbedömning, tandslitage, biofluorescensavbildning, tandvårds-AI, kvantitativ ljusinducerad fluorescens