تشخيص النخر الثانوي بين السطوح التقاربية في صور الأشعة البايت وينغ باستخدام الذكاء الاصطناعي القائم على التعلم العميق

يُعتبر النخر الثانوي من القضايا الشائعة التي تؤثر على صحة الفم والأسنان في جميع أنحاء العالم. وعلى الرغم من التقدم المحرز في مجال طب الأسنان الوقائي، لا يزال معدل حدوث النخر الثانوي مرتفعًا. كما أن تشخيص هذا النوع من التسوس، خصوصًا في المناطق التقاربية بين الأسنان (Interproximal)، يمثل تحديًا سريريًا كبيرًا. تُعدّ صور الأشعة البايت-وينغ من الوسائل الشائعة في طب الأسنان للكشف عن التسوس، غير أن دقة التفسير البصري تختلف بين أطباء الأسنان، ما يؤدي إلى تباين في التشخيص؛ وهو ما قد يسبب عدم اكتشاف العديد من حالات النخر الثانوي، أو على العكس، التقدير المفرط لحجم التسوس، مما يحمّل المرضى تكاليف علاجية إضافية وغير ضرورية. إن التشخيص المبكر للنخر الثانوي أمر بالغ الأهمية لمنع تدهور الحالة والوصول إلى نتائج علاجية أفضل. وفي السنوات الأخيرة، برز الذكاء الاصطناعي كأداة واعدة لأتمتة تحليل الصور الطبية وتقديم حلول محتملة لزيادة دقة وكفاءة التشخيص. إلا أن الدراسات التي تناولت قدرة الذكاء الاصطناعي على كشف النخر الثانوي لا تزال محدودة. في أحدث دراسة نُشرت في هذا المجال، تم استخدام نموذج YOLOv5، وهو أقدم بستة أجيال من نموذج YOLOv11، الذي يتميز بدقة تشخيصية أعلى. يهدف هذا البحث إلى تطوير والتحقق من صحة أحد أحدث خوارزميات الذكاء الاصطناعي لتشخيص النخر الثانوي بين الأسنان (Interproximal Secondary Caries) في صور الأشعة البايت-وينغ، بهدف تحسين دقة الكشف المبكر والتخطيط العلاجي لإدارة حالات تسوس الأسنان، ومساعدة أطباء الأسنان على اتخاذ قرارات تشخيصية دقيقة، وتفادي التشخيص الناقص أو المفرط.