در خدمت دکتر هادی قاسمی مجری اصلی طرح تحقیقاتی با با کد پژوهان 43005459 با عنوان " طراحی نرم‌افزار هوش مصنوعی برای تشخیص پوسیدگی دندان با دقت ۹۴.۷ درصد در دانشکده دندانپزشکی شهید بهشتی" هستیم  و مصاحبه ای با ایشان در مورد طرح تحقیقاتی که در بخش سلامت دهان و دندان و دندانپزشکی اجتماعی انجام داده اند و به اتمام رسیده است داشته ایم. این نرم‌افزار با استفاده از مدل EfficientNet، می‌تواند تحولی در تشخیص زودهنگام پوسیدگی‌های دندانی ایجاد کند.

 

در گفتگو با روابط عمومی دانشکده دندانپزشکی ایشان به تشریح این طرح پرداختند.

 

با تشکر از جنابعالی با معرفی خود، سوابق علمی، پژوهشی، اجرایی و عملی و فعالیت های مرتبط با این پژوهش را بیان فرمایید.

اینجانب هادی قاسمی، دانشیار گروه سلامت دهان و دندانپزشکی اجتماعی دانشکده دندانپزشکی شهید بهشتی هستم. حاصل فعالیت‌های علمی بنده تاکنون انتشار مقالات متعدد در مجلات معتبر بین‌المللی، راهنمایی پایان‌نامه‌های متعدد و انجام پروژه‌های تحقیقاتی کاربردی در حوزه سلامت دهان و فناوری‌های نوین بوده است. این طرح به صورت مشترک با آقای دکتر علیرضا طباطبایی تبریزی و خانم دکتر نرگس پناهنده (مرکز تحقیقات دندانپزشکی) انجام شده است.

 

 

دلیل اصلی شما برای انتخاب این طرح تحقیقاتی و پژوهش چه بوده و چه کسانی در این تحقیق یاری دهنده شما بوده اند؟

دلیل اصلی، شیوع بالای پوسیدگی دندان به عنوان یک معضل سلامت عمومی و نیاز به ابزاری دقیق، سریع و در دسترس برای تشخیص آن بود. معاینات سنتی به تنهایی برای تشخیص پوسیدگی‌های اولیه بین دندانی کافی نیستند. هدف ما کمک به دندانپزشکان برای کاهش خطای تشخیصی بود. در این پژوهش، علاوه بر تیم دانشکده شهید بهشتی، از متخصصین رادیولوژی دهان و دندانپزشکان مجرب نیز برای برچسب‌گذاری تصاویر استفاده شده است.

 

پژوهش تان را معرفی کرده و با معرفی ویژگی و نوآوری ها در خصوص موضوعات و محورهای آن توضیح دهید؟

این پژوهش با استفاده از ۱۴۰۰ تصویر رادیوگرافی بایت‌وینگ از بیماران دانشکده انجام شد. ما چندین مدل یادگیری عمیق از جمله VGG19، ResNet50 و GoogleNet را با هم مقایسه کردیم و در نهایت مدل EfficientNet به عنوان بهترین گزینه انتخاب شد. نوآوری مهم این پروژه، دقت بسیار بالای ۹۴.۷ درصدی نرم‌افزار در تشخیص پوسیدگی است (با حساسیت ۹۶.۷ درصد و ویژگی ۹۶.۲ درصد). این نرم‌افزار برای اولین بار در ایران با تمرکز بر پایگاه داده بیماران ایرانی طراحی شده است.

 

آیا این پژوهش به مرحله اجرا و یا بهره برداری درآمده است؟

بله، این نرم‌افزار تا مرحله نسخه آزمایشگاهی (پایلوت) پیش رفته و تست‌های عملکردی آن با موفقیت انجام شده است. اما هنوز به مرحله استفاده بالینی گسترده نرسیده و برای تجاری‌سازی و دریافت تاییدیه‌های لازم نیاز به حمایت دارد.

 

 

این طرح پژوهشی چه گره ایی از مشکلات مردم باز خواهد کرد؟

این طرح می‌تواند با تشخیص زودهنگام پوسیدگی‌های پنهان بین دندانی، از پیشرفت پوسیدگی و نیاز به درمان‌های تهاجمی و هزینه‌بر مانند عصب‌کشی یا کشیدن دندان جلوگیری کند. این یعنی درمان ارزان‌تر، سریع‌تر و حفظ بیشتر دندان‌های طبیعی برای مردم.

 

 

انتظار شما از مسئولین و متولیان امور پژوهشی در زمینه حمایت و یا توسعه فعالیت های مشابه چیست و چه راهکارهایی را پیشنهاد می کنید؟

انتظار داریم معاونت تحقیقات و فناوری وزارت بهداشت و دانشگاه‌ها، حمایت مالی از پروژه‌های نزدیک به بازار (واقعی) را افزایش دهند. متاسفانه حمایت از پایان‌نامه‌های کاربردی رو به کاهش است. پیشنهاد می‌کنم صندوق‌هایrisk پذیر ویژه محصولات سلامت‌محور راه‌اندازی شود و مسیر اخذ تاییدیه از سازمان غذا و دارو برای نرم‌افزارهای هوش مصنوعی تسهیل گردد.

 

اگر توضیح دیگری در خصوص برنامه های جاری، آینده و اهدافتان دارید در خاتمه گفتگو بفرمایید:

در حال حاضر در تلاش برای اخذ مجوز شرکت دانش بنیان و تجاری‌سازی این محصول هستیم. همچنین برنامه داریم تا نسخه‌های جدیدتر این نرم‌افزار را با داده‌های بیشتر و تنوع نژادی بالاتر، آموزش دهیم تا بتوانیم در سطح ملی و منطقه‌ای خدمات تشخیصی ارائه دهیم.

 

پادکست طرح تحقیقاتی با عنوان "طراحی نرم‌افزار هوش مصنوعی برای تشخیص پوسیدگی دندان با دقت ۹۴.۷ درصد در دانشکده دندانپزشکی شهید بهشتی" دکتر هادی قاسمی