پژوهشگران دانشگاه تهران موفق به توسعه یک سامانه هوش مصنوعی شدند که می‌تواند با تحلیل تصاویر پانورامیک دندان، بیماری‌های شایعی مانند پوسیدگی، بیماری‌های لثه و نهفتگی دندان را با سرعت و دقت بالا تشخیص داده و به عنوان دستیار متخصصان، تحولی بزرگ در فرآیند تشخیص و برنامه‌ریزی درمانی ایجاد کند.
دکتر ظروفی که این پژوهش را سرپرستی کرده است، درباره اهمیت این پژوهش در بهداشت و درمان در حوزه دندانپزشکی گفت: دندان‌ها نقش اساسی در سلامت عمومی انسان دارند و پیشگیری و درمان بیماری‌های دهان و دندان به شدت به تکنیک‌های تصویربرداری وابسته است. تصاویر پانورامیک اشعه ایکس اطلاعات جامعی از تاج و ریشه دندان، وضعیت لثه و استخوان‌های فک ارائه می‌دهند و ابزار موثری برای بررسی ناهنجاری‌های آناتومیک، ارزیابی شرایط ایمپلنت و برنامه‌ریزی درمان‌های ارتودنسی محسوب می‌شوند. با این حال، تفسیر دستی این تصاویر فرآیندی زمان‌بر و مستعد خطای انسانی است که به تجربه و شرایط کاری پزشک وابسته است.
وی افزود: تعیین یافته‌های بالینی در تصاویر پانورامیک به تجربه و تخصص پزشک وابسته است و این امر، فرآیند گزارش‌نویسی را زمان‌بر و وابسته به شرایط کاری می‌کند. افزایش حجم داده‌ها و خستگی ناشی از کار مداوم نیز می‌تواند دقت تشخیص را کاهش دهد. در چنین شرایطی، بهره‌گیری از فناوری هوش مصنوعی می‌تواند به عنوان ابزاری کمکی در تفسیر تصاویر پزشکی به کار رود و روند گزارش‌نویسی و تشخیص را تسهیل کند.
استاد دانشکده مهندسی برق و کامپیوتر دانشگاه تهران با بیان اینکه در این پژوهش جدید محققان تلاش کرده‌اند تا این چالش را با کمک فناوری حل کنند، افزود: برای این منظور یک سامانه تشخیصی مبتنی بر هوش مصنوعی طراحی شده است که این سامانه، معماری پیشرفته شبکه عصبی به نام YOLOv11 است که آموزش آن روی یک مجموعه‌داده عمومی انجام شده است. این مدل قادر است به صورت خودکار، محل دقیق ضایعات و ناهنجاری‌ها را در تصویر شناسایی کرده و احتمال درستی تشخیص خود را نیز اعلام کند.
ظروفی یکی از نقاط قوت این پژوهش را کاربردی شدن پژوهش در قالب یک اپلیکیشن وب، عنوان کرد و گفت: یکی از نقاط قوت این پژوهش، کاربردی بودن آن است. این مدل در قالب یک اپلیکیشن تحت وب پیاده‌سازی شده تا دندان‌پزشکان و رادیولوژیست‌ها بتوانند به سادگی از آن استفاده کنند. این سامانه با مشخص کردن محل دقیق مشکلات، به پزشک در اولویت‌بندی و تصمیم‌گیری سریع‌تر کمک می‌کند.
وی همچنین افزایش سرعت و اطمینان در تصمیم‌گیری بالینی را از دیگر مزیت‌های استفاده از این سامانه در تشخیص مشکلات دندانپزشکی برشمرد و افزود: به گفته کارشناسان، بهره‌گیری از چنین سامانه‌هایی نه تنها سرعت فرآیند گزارش‌نویسی را افزایش می‌دهد، بلکه به عنوان یک ناظر دوم، می‌تواند با کاهش خطاهای ناشی از خستگی یا حجم بالای کار، دقت تشخیص نهایی را ارتقا دهد و نقش مکملی موثر برای متخصصان فک و صورت ایفا کند.
بر اساس نتایج این تحقیق، مدل پیشنهادی در مقایسه با نسخه‌های قبلی، دقت بالاتری در شناسایی و طبقه‌بندی ناهنجاری‌ها از خود نشان داده است.
متن کامل این پژوهش از طریق پیوند https://doi.org/10.1109/ICWR65219.2025.11006210 در دسترس محققان است.
منبع : روابط‌عمومی دانشگاه تهران
