تشخیص پوسیدگی دندان با هوش مصنوعی: سامانه جدید دانشگاه تهران خطای انسانی را کاهش می‌دهد

انقلاب هوش مصنوعی در تشخیص ناهنجاری‌های دندانپزشکی

پژوهشگران دانشکدگان فنی دانشگاه تهران موفق به توسعه یک سامانه هوش مصنوعی پیشرفته شدند که قادر است با تحلیل تصاویر اشعه ایکس پانورامیک دندان، انقلابی در تشخیص بیماری‌های شایع دندانپزشکی از جمله پوسیدگی، بیماری لثه و نهفتگی دندان ایجاد کند. این ابزار هوشمند با هدف ایفای نقش یک دستیار دقیق و سریع برای دندان‌پزشکان طراحی شده است.

این دستاورد مهم علمی، که حاصل رساله دکتری مهدیه دهقانی با راهنمایی رضا آقایی‌زاده ظروفی، استاد دانشکده مهندسی برق و کامپیوتر است، نتایج خود را در یک نشریه بین‌المللی معتبر منتشر کرده است. مدل توسعه‌یافته می‌تواند به‌صورت خودکار محل دقیق ضایعات و ناهنجاری‌ها را مشخص کرده و حتی احتمال درستی تشخیص خود را نیز ارائه دهد.

چالش‌های تفسیر دستی و نقش هوش مصنوعی

تصاویر پانورامیک اشعه ایکس یکی از مهم‌ترین ابزارهای تشخیصی در دندانپزشکی محسوب می‌شوند. با این حال، تفسیر دستی این تصاویر معمولاً زمان‌بر بوده و دقت آن به شدت وابسته به تجربه و شرایط کاری دندان‌پزشک است. رضا آقایی‌زاده ظروفی، سرپرست این پژوهش، تأکید می‌کند که افزایش حجم داده‌ها و فشار کاری می‌تواند به طور چشمگیری احتمال خطای انسانی را افزایش دهد. از این رو، هوش مصنوعی می‌تواند به عنوان یک ابزار کمکی مؤثر، این چالش‌ها را مرتفع سازد.

«تفسیر دستی تصاویر پانورامیک زمان‌بر است و دقت آن به تجربه و شرایط کاری پزشک بستگی دارد. افزایش حجم داده و فشار کاری می‌تواند احتمال خطای انسانی را بالا ببرد و هوش مصنوعی در چنین شرایطی می‌تواند نقش یک ابزار کمکی مؤثر را ایفا کند.»

معماری فنی و قابلیت‌های کلیدی سامانه

این سامانه هوشمند بر پایه معماری پیشرفته YOLOv11 توسعه یافته و با استفاده از یک مجموعه‌داده عمومی آموزش داده شده است. مدل جدید دارای قابلیت‌های برجسته‌ای است که فراتر از تشخیص ساده می‌رود:

• استخراج ضایعات و ناهنجاری‌ها با دقت بالا.
• مشخص کردن میزان اطمینان سیستم از تشخیص خود.
• ارائه راهنمایی‌های بالینی ارزشمند برای تصمیم‌گیری پزشک.

دسترسی آسان از طریق اپلیکیشن وب

یکی از نقاط قوت کلیدی این پروژه، پیاده‌سازی آن در قالب یک اپلیکیشن وب است. این امر به دندان‌پزشکان و رادیولوژیست‌ها این امکان را می‌دهد که بدون نیاز به تجهیزات سخت‌افزاری خاص، به راحتی از این ابزار استفاده کنند. این سامانه با مشخص‌کردن نواحی مشکل‌دار در تصویر، مزایای زیر را فراهم می‌کند:

• کمک به پزشکان برای انجام اولویت‌بندی سریع‌تر درمان.
• افزایش دقت و استانداردسازی روند گزارش‌نویسی.

پژوهشگران خاطرنشان می‌کنند که مدل پیشنهادی در مقایسه با نسخه‌های قبلی، عملکرد دقیق‌تری در شناسایی و طبقه‌بندی ناهنجاری‌ها داشته است. این ابزار می‌تواند به عنوان یک «ناظر دوم» قابل‌اعتماد عمل کرده و خطاهای ناشی از خستگی یا حجم کاری بالا را در محیط بالینی به حداقل برساند.