كيف يقرأ الذكاء الاصطناعي صور الأشعة السنية
تؤدي معظم منتجات الذكاء الاصطناعي السنية المتاحة اليوم مهمة واحدة: تنظر في صورة شعاعية (مجنّحة أو ذروية أو بانورامية أو صورة CBCT ثلاثية الأبعاد) وتُبرز مناطق قد يرغب طبيب الأسنان في فحصها عن قرب. إليك ما يحدث خلف الكواليس بلغة بسيطة.
1. يتعلّم البرنامج من صور موسومة
تعتمد هذه الأدوات على التعلّم العميق، وهو نوع من تعلّم الآلة «يتعلّم» أنماطًا إحصائية من عدد كبير من الصور التي وسمها خبراء، كأن يحدّدوا حدود آفات التسوّس. وبعد التدريب يستطيع النموذج إصدار تنبؤات على صور لم يرها من قبل [1].
2. يصنّف أو يكشف أو يحدّد الحدود
تقوم النماذج البحثية بواحد من ثلاثة أمور: تصنيف الصورة كلها أو السن (مثل «يوجد تسوّس»)، أو كشف الموجود ورسم مربّع حوله، أو تقسيمه بتحديد حدوده بدقة على مستوى البكسل. ووجدت مراجعة منهجية عام 2022 شملت 42 دراسة عن استخدام التعلّم العميق في كشف التسوّس أن المقاربات الثلاث جميعها مستخدمة [2].
3. يعمل قارئًا ثانيًا – لا تشخيصًا
توصف المنتجات الحاصلة على تصريح من إدارة الغذاء والدواء الأمريكية (FDA) عادةً بأنها برامج كشف بمساعدة الحاسوب («CADe») تساعد طبيب الأسنان. وتنصّ دواعي استعمالها الرسمية على أنها ليست بديلًا عن مراجعة الطبيب الكاملة وحكمه السريري. يمكنك قراءة هذه الصياغة في ملخّصات FDA المرتبطة من دليل الأدوات لدينا، ومنها ملخّص Overjet Caries Assist [3].
ماذا تقول الأدلة
- الدقة المُبلَّغ عنها في الدراسات البحثية واعدة لكنها متفاوتة كثيرًا: في المراجعة المذكورة أعلاه تراوحت الدقة على مستوى الصورة أو الجسم أو البكسل بين 68% و99%، وتراوحت في تصنيف التسوّس على الصور المجنّحة بين 87.6% و95.4% [2].
- جودة الدراسات غير متكافئة: أظهرت 11 دراسة فقط من أصل 42 خطرًا منخفضًا للتحيّز في جميع المجالات، وكان الإبلاغ عن الأداء غير متجانس، فلم يكن التحليل التلوي (meta-analysis) ممكنًا [2].
- يشير الخبراء إلى أن الذكاء الاصطناعي لم يدخل بعدُ على نطاق واسع في الممارسة السنية الروتينية، بسبب محدودية البيانات، ونقص الصرامة المنهجية والمعايير، وأسئلة مفتوحة حول القيمة والأخلاقيات والمسؤولية [1].
ماذا يعني ذلك للمرضى والأطباء
قد يكون الذكاء الاصطناعي «عينًا إضافية» مفيدة، ولا سيما لتحقيق الاتساق في عيادة مزدحمة. لكن المنطقة المُبرَزة دعوة لإعادة النظر، وليست تشخيصًا. اسأل كيف جرى التحقق من صحة الأداة، وعلى أي أنواع من صور الأشعة وأي فئات عمرية، واجعل الفحص السريري لطبيب الأسنان محور القرار.
المصادر
- Schwendicke F, Samek W, Krois J. Artificial Intelligence in Dentistry: Chances and Challenges. J Dent Res. 2020;99(7):769-774. https://doi.org/10.1177/0022034520915714
- Mohammad-Rahimi H, et al. Deep learning for caries detection: A systematic review. J Dent. 2022;122:104115. https://doi.org/10.1016/j.jdent.2022.104115
- US FDA. 510(k) summary K222746 – Overjet Caries Assist. https://www.accessdata.fda.gov/cdrh_docs/pdf22/K222746.pdf