بين سن الرابعة والثانية عشرة، يكون فم الطفل مكاناً في حالة تغير مستمر. فالأسنان اللبنية، وهي المجموعة الأولى من الأسنان، من المفترض أن تسقط لتفسح المجال للأسنان الدائمة. ومع ذلك، في بعض الأحيان، ترفض السن اللبنية الرحيل، فتبقى في مكانها، مما يعيق مسار السن الجديدة التي تحاول الظهور. هذه الحالة، المعروفة باسم "السن اللبنية المحتبسة"، هي سبب شائع لزيارة الأطفال لطبيب الأسنان. وإذا لم يتم ملاحظتها، فقد تتسبب في نمو الأسنان الدائمة بشكل معوج، مما يؤدي إلى ازدحام أو عدم استقامة يتطلب علاجاً معقداً لاحقاً. وبالنسبة للعديد من العائلات، وخاصة أولئك الذين يعيشون في مناطق ذات وصول محدود إلى رعاية الأسنان المنتظمة، فإن اكتشاف هذه المشكلة مبكراً يعد أمراً صعباً؛ فقد لا يعرف الآباء ما الذي يجب البحث عنه، كما أن الفحوصات المهنية ليست متاحة دائماً.

في السنوات الأخيرة، فتحت القدرة على التقاط صور واضحة باستخدام الهواتف الذكية القياسية باباً جديداً للمراقبة الصحية. ويستكشف الباحثون الآن ما إذا كان بإمكان الذكاء الاصطناعي تعلم قراءة هذه الصور اليومية ورصد مشاكل الأسنان التي قد يغفل عنها الشخص العادي. ويعتمد هذا النهج على "التعلم العميق"، وهو نوع من علوم الحاسوب حيث يدرس البرنامج آلاف الصور للتعرف على الأنماط. وبدلاً من برمجة الحاسوب بقواعد صارمة حول شكل السن، يتعلم الحاسوب من خلال الأمثلة، ويبني تدريجياً فهماً لما هو طبيعي وما هو غير طبيعي. والهدف هو إنشاء أداة تعمل ليس في عيادة معقمة ذات إضاءة مثالية، بل في الواقع الفوضوي والمتغير للمنزل أو المدرسة.

لقد اتخذ فريق من الباحثين من جامعة بكين خطوة كبيرة في هذا الاتجاه من خلال تطوير نظام مصمم للكشف التلقائي عن الأسنان اللبنية المحتبسة من صور الهواتف الذكية الواقعية. ويعالج عملهم فجوة محددة في تكنولوجيا طب الأسماك؛ فبينما استُخدم الذكاء الاصطناعي للعثور على التسوس أو أمراض اللثة، إلا أنه نادراً ما طُبق على التحدي المحدد المتمثل في تحديد الأسنان اللبنية التي تفشل في السقوط. علاوة على على ذلك، اعتمدت معظم الدراسات السابقة على صور عالية الجودة ملتقطة بكاميرات طب أسنان احترافية في بيئات خاضعة للرقابة. ومع ذلك، تم بناء النظام الجديد للتعامل مع عيوب الصور التي يلتقطها الآباء أو الأوصياء، والتي غالباً ما تختلف في السطوع والزاوية والازدحام في الخلفية.

لتدريب نظامهم، جمع الباحثون مجموعة كبيرة من الصور الفموية. وكان المصدر الأساسي من خمسة أطباء أسنان للأطفال قدموا صوراً التقطها أوصياء المرضى أثناء الاستشارات. كما تضمنت المجموعة أيضاً مجموعة أصغر من الصور من المصادر العامة عبر الإنترنت. وفي المجمل، استخدموا 587 صورة لتعليم الحاسوب كيفية التعرف على الحالة، ومجموعة منفصلة مكونة من 526 صورة لاختبار قدرة النظام على تطبيق ما تعلمه على صور جديدة لم يسبق له رؤيتها. وقد تم تصنيف كل صورة بعناً من قبل متخصصين في طب الأسنان للإشارة إلى وجود سن لبنية محتبسة من عدمه. ولضمان تعلم الحاسوب بفعالية، قام الفريق بموازنة البيانات حتى لا يصبح منحازاً لنتيجة واحدة على حساب الأخرى.

يعمل النظام الذي بنوه على مرحلتين متمايزتين، تماماً مثل الإنسان الذي ينظر إلى صورة ثم يركز على تفصيل محدد. أولاً، يقوم الحاسوب بمسح الصورة بأكملها للعثور على الفم؛ حيث يستخدم نموذج كشف لرسم مربع حول المنطقة الفموية، متجاهلاً بقية الوجه أو الخلفية. هذه الخطوة حاسمة لأنها تعزل منطقة الاهتمام، مما يضمن عدم تشتت النظام بالشعر أو الملابس أو الميزات الأخرى. وبمجرد تحديد الفم، يقوم النظام بقص هذا الجزء وتمريره إلى المرحلة الثانية. هنا، يفحص نموذج التصنيف الأسنان داخل ذلك المربع ليقرر ما إذا كانت السن اللبنية لا تزال موجودة. يسمح هذا النهج ذو الخطوتين للنظام بالتعامل مع تعقيد صورة الوجه الكاملة قبل تضييق نطاق تركيزه على الهياكل السنية المهمة.

عندما اختبر الباحثون النظام، كانت النتائج مذهلة. كانت المرحلة الأولى، التي تحدد موقع الفم، شبه مثالية، حيث نجحت في تحديد المنطقة الفموية في جميع الصور تقريباً. أما المرحلة الثانية، التي تحدد ما إذا كانت السن محتبسة، فقد أدت عملها أيضاً بموثوقية عالية. وفي اختبار صارم حيث تم تقسيم البيانات إلى خمسة أجزاء وتم تدريب واختبار النموذج بشكل متكرر، حدد النظام الحالة بشكل صحيح في حوالي 95 بالمائة من الحالات. والأهم من ذلك، عندما تم اختبار النظام على مجموعة الصور المنفصلة تماماً التي لم يرها من قبل، حافظ على قدرة عالية جداً على رصد الحالة؛ إذ لم يخطئ إلا في نسبة ضئيلة جداً من الحالات الفعلية، حيث حدد بشكل صحيح 97.3 بالمائة من الأطفال الذين يعانون من أسنان محتبسة. هذه الحساسية العالية أمر حيوي لأداة الفحص، إذ من الأفضل بكثير التنبيه بوجود طفل سليم يحتاج إلى فحص بدلاً من تفويت طفل يحتاج إلى علاج.

أراد الباحثون أيضاً معرفة ما إذا كان النظام سيفشل إذا لم تكن الصورة مثالية. في العالم الحقيقي، يمكن أن تكون الصور ضبابية أو محببة أو سيئة الإضاءة. ولاختبار ذلك، قاموا عمداً بإدخال أنواع مختلفة من تدهور جودة الصورة، مثل إضافة الضجيج أو جعل الصورة ضبابية، لمعرفة رد فعل النظام. أثبت النموذج أنه قوي للغاية؛ فحتى عندما انخفضت جودة الصورة بشكل كبير، ظل قدرة النظام على اكتشاف الحالة مستقرة، ولم يبدأ فجأة في ارتكاب الأخطاء عندما كانت الصورة أقل وضوحاً. وهذا يشير إلى أن الأداة يمكن أن تعمل بفعالية في البيئات اليومية حيث لا يمكن التحكم في الإضاءة أو جودة الكاميرا.

ولفهم كيف كان الحاسوب يتخذ قراراته، استخدم الفريق تقنية تصور تسلط الضوء على الأجزاء المحددة من الصورة التي ركز عليها النظام. وأظهرت النتائج أن النموذج كان ينظر إلى المناطق الصحيحة؛ فعندما كانت السن المحتبسة موجودة، تركز انتباه النظام على تلك السن المحددة والمنطقة المحيطة بها حيث تحاول السن الجديدة الظهور. لم يكن النظام مخدوعاً بالظلال أو الأشياء الموجودة في الخلفية. هذه الشفافية مهمة لأنها تظهر أن النظام يستخدم سمات ذات صلة سريرية، تماماً كما يفعل طبيب الأسنان، بدلاً من الاعتماد على أنماط عشوائية.

لقد بنى الباحثون أيضاً تطبيق ويب يعمل يوضح كيف يمكن استخدام هذه التكنولوجيا في الممارسة العملية. يمكن للمستخدم رفع صورة لفم الطفل، وسيقوم النظام بتحليلها فوراً، مع تقديم تنبؤ. ويمثل هذا النموذج الأولي حلقة مغلقة حيث يمكن جمع البيانات وتحليلها واستخدامها لتحسين النظام بمرور الوقت. ويؤكد المؤلفون أن هذه الأداة ليست تهدف لاستبدال طبيب الأسنان، بل صُممت لتكون وسيلة فحص مساعدة للآباء أو المدارس أو مقدمي الرعاية الأولية. ويمكنها المساعدة في تحديد الأطفال الذين يحتاجون إلى رؤية أخصائي في وقت أقرب، مما قد يقلل من العبء على عيادات الأسنان ويحسن النتائج للأطفال في المجتمعات المحرومة.

بينما تعد النتائج واعدة، يقر الباحثون بأن الدراسة لها حدود. فالصور المستخدمة جُمعت من مصادر محددة، مما قد لا يمثل كل سيناريو محتمل قد يواجهه الطفل. كما أن النظام يحدد حالياً مجرد وجود سن محتبسة، دون تفصيل عدد الأسنان المتأثرة أو مكانها بالضبط. بالإضافة إلى ذلك، كانت الدراسة استرجاعية، مما يعني أنها نظرت في بيانات سابقة بدلاً من اختبار النظام في بيئة سريرية حية مع تفاعلات مباشرة مع المرضى. وسيتعين على العمل المستقبلي توسيع البيانات لتشمل مجموعات سكانية أكثر تنوعاً واختبار النظام في دراسات مستقبلية لمعرفة كيفية أدائه في الممارسة اليومية.

يمثل تطوير هذا الإطار ذي المرحلتين تقدماً عملياً في تطبيق الذكاء الاصطناعي في طب أسنان الأطفال. فمن خلال التركيز على حالة شائعة ولكن غالباً ما يتم تجاهلها، وبناء نظام يعمل مع الصور غير المثالية التي يلتقطها الناس بالفعل، ابتكر الباحثون أداة ذات إمكانات حقيقية للصحة العامة. وتشير الدقة العالية والمتانة التي يتمتع بها النموذج إلى أنه يمكن أن يصبح جزءاً قيماً من عملية الفحص، مما يساعد في ضمان حصول الأطفال على الرعاية في الوقت المناسب لابتساماتهم النامية.