Maskininlärningsmetod för åldersbedömning hos vuxna med hjälp av dentala kännetecken på panoramaröntgen

Varför dina tänder kan antyda din ålder

När vi lever registrerar våra tänder tyst vår personliga historia av måltider, olyckor och tandvårdsbesök. Denna studie frågar sig hur mycket det registret kan avslöja om en persons ålder i vuxen ålder, genom att använda moderna datormetoder för att läsa upp subtila mönster i rutinmässiga tandröntgenbilder.

Tänder som livslånga berättare

Hos barn och tonåringar går det att uppskatta ålder ganska väl genom att studera hur tänder utvecklas och formas. För vuxna är dock tillväxten avslutad, så experter måste i stället vända sig till förändringar som byggs upp över tid, såsom slitna ytor, lagningar, kronor, implantat och saknade tänder. Dessa ledtrådar är användbara inom områden som rättsmedicin, där utredare kan behöva avgränsa vem en person kan vara, och inom antropologi, där forskare studerar tidigare populationer. Traditionella metoder summerar vanligtvis det totala antalet av vissa tandbehandlingar eller tillstånd och sätter in dessa antal i en enkel formel, men det kan kassera mycket detaljer om exakt vilka tänder som påverkas och på vilket sätt.

Att omvandla en mängd detaljer till användbar data

Forskarna arbetade med 2 415 panoramiska tandröntgenbilder från vuxna i åldern 20 till 89 år. På varje bild märkte utbildade observatörer varje tand med en av nio lätta att känna igen kategorier, såsom frisk, saknad, lagad, kronad eller implanterad. Om en tand visade två olika egenskaper samtidigt, som en rotfyllning under en krona, registrerades båda tillsammans. Istället för att sammanfalla all denna information till några få summor skapade teamet en strukturerad digital karta för varje mun som höll reda på vad som hände i varje position i käken. Denna karta tjänade som indata både till traditionella statistiska formler och till en uppsättning maskininlärningsmodeller.

Att lära datorer att läsa dentala mönster

För att bedöma hur väl olika metoder kunde uppskatta ålder jämförde teamet standard linjär regression med sex maskininlärningsmetoder, inklusive random forests och gradient boosting. De använde en noggrann teststrategi där modellerna upprepade gånger tränades och testades på olika delmängder av data, så att varje prediktion gjordes på bilder modellen inte hade sett tidigare. Över hela gruppen män och kvinnor missade den bästa traditionella formeln med ungefär 12 år i genomsnitt, medan den bästa maskininlärningsmodellen minskade det felet till cirka 11 år och förklarade lite mer av variationen i ålder.

Vad modellerna lärde sig av våra tänder

Forskarna öppnade också ”svarta lådan” i sina bästa modeller för att se vilka dentala egenskaper som betydde mest. De fann att många friska, orörda tänder tenderade att dra de predikterade åldrarna nedåt, medan ett högre antal saknade tänder och kronor sköt uppskattningarna uppåt. Bakre tänder bar generellt mer åldersinformation än främre tänder, sannolikt eftersom de används mer intensivt för tuggning och oftare restaureras eller tas bort. Ändå tenderade modellerna att överskatta åldrarna hos yngre vuxna och underskatta dem hos äldre vuxna, vilket visar att sambandet mellan tandhistorik och ålder fortfarande är ofullkomligt.

Hur detta kan användas i verkligheten

För närvarande är dessa datorbaserade åldersuppskattningar inte tillräckligt precisa för att stå ensamma, särskilt när målet är att avgöra en individs exakta ålder. De bör ses som ytterligare en pusselbit som kan stödja andra metoder, såsom undersökning av skelett eller kompletterande dentala mått. Arbetet visar att det ger mer att behålla detaljerad, tand-för-tand-information än att bara använda sammanfattande tal, och att maskininlärning kan ge måttliga förbättringar jämfört med äldre formler. Med större och mer varierade dataset, och genom att kombinera bildfunktioner med kliniska journaler, kan framtida versioner av denna metod bli mer pålitliga hjälpmedel i rättsmedicinska och kliniska beslutsprocesser.

Citering: Lee, D., Oh, S., Hwang, S. et al. Machine learning approach for adult age estimation using dental characteristics on panoramic radiographs. Sci Rep 16, 14401 (2026). https://doi.org/10.1038/s41598-026-45271-0

Nyckelord: dentala åldersbedömningar, panoramaröntgen, maskininlärning, rättsodontologi, vuxentänder