Artificial Intelligence for Tooth Numbering and Full-Mouth Series Placement

يعتمد أطباء الأسنان على مجموعة محددة من صور الأشعة السينية لرؤية الصورة الكاملة لفم المريض. وتتكون هذه المجموعة، المعروفة باسم سلسلة الفم الكاملة، من عشرات الصور الفوتوغرافية الفردية، حيث تلتقط كل منها جزءًا صغيرًا من الأسنان والعظام. ولتفسير هذه الصور، يجب على طبيب الأسنان أن يعرف بالضبط أي سن تظهر في كل إطار وأين ينتمي هذا الإطار في التسلسل النهائي. تقليديًا، كانت هذه مهمة يدوية؛ إذ يتعين على البشر النظر في كل صورة، وتحديد الأسنان، وتعيين رقم لها بناءً على نظام عالمي، ثم ترتيب الصور في الترتيب الصحيح. وهذه العملية تستغرق وقتًا طويلاً وعرضة للخطأ البشري، خاصة عندما تكون الصور ضبابية، أو الأسنان مفقودة، أو عندما يتم إمالة مستشعر الأشعة السينية بزاوية طفيفة.

في السنوات الأخيرة، أصبحت أجهزة الكمبيوتر قوية بما يكفي لتعلم كيفية رؤة وتفسير الصور الطبية، وهو مجال يُعرف بالذكاء الاصطناعي. وتستخدم هذه الأنظمة التعلم العميق، وهي طريقة يقوم فيها الكمبيوتر بتحليل آلاف الأمثلة لتعلم الأنماط دون برمجته صراحة بقواعد لكل سيناريو. وبينما أظهرت أجهزة الكمبيوتر بالفعل قدرتها على رصد التسوس أو العظام المكسورة، فإن ترتيب مجموعة كاملة من صور الأشعة السينية للأسنان تلقائيًا ظل تحديًا صعبًا. وتكمن الصعوبة ليس فقط في تحديد سن واحدة، بل في فهم كيفية ترابط مجموعة من الصور معًا مثل قطع أحجية أكبر، حتى عندما تكون بعض القطع مفقودة أو مائلة.

قام فريق من الباحثين في مركز جامعة تكساس للعلوم الصحية في هيوستن - كلية طب الأسنان، بالتعاون مع شركاء من جامعة نان يانغ مينغ تشياو تونغ، بتطوير طريقة جديدة لحل هذه المشكلة. فقد ابتكروا نظامًا مؤتمتًا يمكنه اكتشاف الأسنان، وترقيمها بشكل صحيح، وترتيب مجموعة كاملة من الأشعة السينية في الترتيب الصحيح بسرعة ودقة ملحوظتين. ويظهر عملهم، الذي نُشر في دراسة شملت أكثر من 5,000 صورة أشعة من 354 مريضًا، أن الكمبيوتر يمكنه الآن التعامل مع سير العمل الكامل لتنظيم صور الأسنان، وهي مهمة كانت تتطلب سابقًا اهتمامًا بشريًا كبيرًا.

بدأ الباحثون بجمع مجموعة بيانات ضخمة من الأشعة السينية للأسنان؛ حيث جمعوا 5,431 صورة من 354 مريضًا مختلفًا، تغطي كل من الفكين العلوي والسفلي. وقد تم تحديد كل سن في هذه الصور بعناية من قبل متخصصين في طب الأسنان الذين رسموا مربعًا حول كل منها وخصصوا لها رقمها الصحيح. وقد خلق هذا ما يسمى بـ "الحقيقة الأرضية" (ground truth)، وهو مرجع مثالي يمكن للكمبيوتر استخدامه للتعلم. ثم قام الفريق بتدريب نماذج الذكاء الاصطناعي الخاصة بهم على هذه البيانات، لتعليم النظام التعرف على شكل وموقع ورقم الأسنان في حالات متنوعة.

يعمل النظام في ثلاث مراحل رئيسية. أولاً، يستخدم أداة كشف للعثور على كل سن في الأشعة السينية. وبخلاف الطرق القديمة التي ترسم صناديق مربعة بسيطة حول الأجسام، يستخدم هذا النظام صناديق مائلة يمكنها الميل والدوران لتناسب الموضع الدقيق للسن. وهذا أمر بالغ الأهمية لأن الأسنان في الأشعة السينية غالبًا ما تظهر بزوايا غريبة اعتمادًا على كيفية وضع المستشعر في الفم. وبمجرد تحديد مواقع الأسنان، يحدد النظام أي سن هي، ويخصص لها رقمًا من واحد إلى اثنين وثلاثين، اتباعًا لنظام الترقيم العالمي القياسي الذي يستخدمه أطباء الأسنان.

الجزء الأكثر ابتكارًا في الدراسة هو كيفية ترتيب النظام للصور. فبدلاً من مجرد النظر إلى سن واحدة في كل مرة، ينظر الكمبيوتر إلى العلاقة بين عدة صور. لقد صمم الباحثون النظام ليفكر في الأشعة السينية مثل قطع أحجية الصور المقطوعة (الجيغسو). تمامًا كما قد ينظر الشخص إلى حافة قطعة من الأحجية ومنحنى قطعة أخرى ليرى ما إذا كانت تتناسب معًا، يحلل الكمبيوتر العلاقة المكانية بين صور الأشعة السينية المختلفة. فهو يتعلم أن الصورة التي تظهر الأسنان الأمامية تنتمي بجانب الصورة التي تظهر الأسنان الجانبية، وأن صورة الفك العلوي توضع في مكان مختلف عن الفك السفلي. ويسمح هذا النهج للنظام بوضع الصور بشكل صحيح حتى لو كانت بعض الأسنان مفقودة أو إذا كان التشريح غير واضح، وهو موقف غالبًا ما فشلت فيه الطرق القديمة.

كانت نتائج هذه العملية المؤتمتة مذهلة. فعندما اختبر الباحثون نظامهم، نجح في تحديد وترقيم الأسنان في 99 في المائة من الحالات. والأهم من ذلك، عندما تعلق الأمر بترتيب مجموعة الأشعة السينية الكاملة في الترتيب الصحيح، كان النظام محقًا بنسبة 98 في المائة. وقد ظل هذا المستوى العالي من الدقة ثابتًا عبر أنواع مختلفة من الصور، بما في ذلك صور الفك العلوي، والفك السفلي، وصور "السن المنبسط" (bitewing) التي تظهر تيجان الأسنان. وقد أدى النظام أداءً جيدًا بشكل خاص مع الأسنان الأمامية والأسنان الخلفية على كلا الجانبين، مع حدوث ارتباك طفيف فقط بين الصور المتشابهة جدًا فيما بينها، مثل الصورتين الموجودتين في أقصى يمين الفك السفلي.

أحد أهم الإنجازات في هذه الدراسة هو قدرة النظام على التعامل مع صور "السن المنبسط" (bitewing). فهذه الأشعة السينية المحددة، التي تظهر قمم الأسنان والعظام بينها، كانت تاريخيًا صعبة على أجهزة الكمبيوتر لوضعها تلقائيًا لأنها تظهر جزءًا أقل من جذر السن وغالبًا ما تفتقر إلى معالم واضحة. وقد واجهت المحاولات السابقة لأتمتة ترتيب صور الأسنان صعوبات في التعامل مع هذه الصور المحددة. ومع ذلك، نجح النظام الجديد في وضع صور "السن المنبسط" بدقة بلغت 96 في المائة، مما يثبت قدرته على إدارة التعقيد الكامل لفحص الأسنان دون الحاجة إلى تدخل بشري لتصحيح الترتيب.

اختبر الباحثون نظامهم بصرامة لضمان موثوقية النتائج. فقد قسموا بياناتهم إلى خمس مجموعات منفصلة، وقاموا بتدريب الكمبيوتر على أربع مجموعات واختباره على المجموعة الخامسة، وكرروا هذه العملية خمس مرات بحيث يتم اختبار كل صورة مرة واحدة بالضبط. ضمنت هذه الطريقة أن النظام لم يكن يحفظ الإجابات فحسب، بل كان يتعلم حقًا التعرف على الأنماط التي تنطبق على مرضى جدد لم يسبق له رؤيتهم. وتشير اتساق النتائج عبر جميع الاختبارات الخمسة إلى أن النظام قوي وجاهز للاستخدام في العالم الحقيقي، شريطة أن يتم التحقق من صحته في بيئة سريرية.

يمثل هذا العمل تحولًا في كيفية التعامل مع تصوير الأسنان في المستقبل. فمن خلال أتمتة المهام المملة مثل عد الأسنان وفرز الصور، يحرر النظام الوقت لمتخصصي طب الأسنان للتركيز على التشخيص والعلاج. وتظهر الدراسة أن الذكاء الاصطناعي يمكنه تعلم العلاقات المكانية الدقيقة في الأشعة السينية للأسنان، متجاوزًا مجرد الكشف البسيط ليفهم سياق الفم بأكل. وبينما يعد النظام حاليًا أداة بحثية، فإن دقته العالية وقدرته على التعامل مع الحالات الصعبة مثل صور "السن المنبسط" تشير إلى أنه قد يصبح قريبًا جزءًا قياسيًا من سير عمل طب الأسنان، مما يبسط العملية من لحظة التقاط الأشعة السينية إلى اللحظة التي تصبح فيها جاهزة لمراجعة طبيب الأسنان.