پژوهشگران دانشگاه علم و فناوری هنگ‌کنگ و همکارانشان، سامانه DigiDent را برای ارزیابی مسواک‌زدن با ترکیب حسگرهای تماسی و هوش مصنوعی معرفی کرده‌اند. این پژوهش، ۱۲ اکتبر ۲۰۲۶ در «نیچر کامیونیکیشنز» منتشر شده و در مرحله اعتبارسنجی فنی و امکان‌سنجی اولیه انسانی قرار دارد.
در مرکز این فناوری، حسگری سیلیکونی میان الیاف مسواک قرار دارد که همراه آن‌ها تغییر شکل می‌دهد. ذرات مغناطیسی در بخش زیرین حسگر، این تغییر شکل را به تغییر میدان مغناطیسی تبدیل می‌کنند؛ حسگرهای زیر سر مسواک آن را ثبت می‌کنند. هوش مصنوعی، اطلاعات تماس و حرکت را برای برآورد نیرو، مدت، الگوی مسواک‌زدن و نواحی پوشش‌داده‌شده ترکیب می‌کند.
اهمیت چنین اندازه‌گیری‌ای را می‌توان در فاصله میان «انجام یک عادت» و «اجرای درست آن» دید. توصیه‌های انجمن دندان‌پزشکی آمریکا بر مسواک‌زدن دو بار در روز، هر بار دو دقیقه، با خمیردندان فلورایددار و پرهیز از سابیدن شدید تأکید دارند. در این چارچوب، فناوری پایش زمانی ارزشمند است که به اجرای بهتر توصیه‌های بهداشتی کمک کند و اطلاعات قابل‌استفاده‌ای درباره رفتار فرد ارائه دهد.
برای شخصی‌سازی دیجی‌دنت، از اسکن دهان، نمونه فیزیکی دندان‌ها و اجرای حرکات با بازوی رباتیک استفاده شده است. در آزمون‌ها، دقت تشخیص الگوهای حرکت‌ـ‌تماس بیش از ۹۹ درصد و طبقه‌بندی ۲۱ ناحیه مسواک‌زدن ۹۹٫۸۴ درصد بود. انتقال مدل بدون آموزش فردی به دو هندسه دندانی، دقت تشخیص ناحیه را به ۸۴٫۱ و ۶۱٫۱ درصد رساند.
این درصدها، میزان پاک‌شدن پلاک یا کاهش پوسیدگی را بیان نمی‌کنند. از نظر تفسیر، درست تشخیص‌دادن محل مسواک یک نتیجه فنی است؛ اثبات بهترشدن سلامت دهان به سنجش پیامدهایی مانند پلاک و التهاب لثه نیاز دارد. اختلاف عملکرد هنگام انتقال مدل نیز نشان می‌دهد که برای ارزیابی کاربرد روزمره، باید سازگاری سامانه با تنوع واقعی کاربران بررسی شود.
آموزش دیجیتال مسواک‌زدن پیشینه پژوهشی دارد. برای نمونه، یک کارآزمایی تصادفی شش‌ماهه منتشرشده در سال ۲۰۲۵، با مشارکت ۱۵۰ نفر، مسواک دارای پایش از راه دور، مسواک برقی چرخشی‌ـ‌نوسانی و مسواک دستی را مقایسه کرده است. در گروه پایش از راه دور، بازخورد برنامه تلفن همراه با بررسی هفتگی متخصص همراه بود و ارزیابی بر کاهش پلاک و کنترل بوی بد دهان تمرکز داشت. این مطالعه مستقل، نمونه‌ای از بررسی بالینی ابزارهای دیجیتال است؛ نتایج آن را نمی‌توان مستقیماً به دیجی‌دنت تعمیم داد.
از منظر کاربرد آینده، داده‌های تماس می‌توانند پایه‌ای برای آموزش دقیق‌تر باشند: به‌جای ارائه یک امتیاز کلی، بازخورد ممکن است مشخص کند کاربر در کدام بخش به اصلاح حرکت یا توجه بیشتر نیاز دارد. این کاربرد پیشنهادی زمانی سودمند خواهد بود که پیام‌ها روشن، قابل‌اجرا و متناسب با نیاز فرد باشند. نمایش داده‌های بیشتر، به‌خودی‌خود به معنای یادگیری بهتر نیست.
در مسیر توسعه محصول نیز چند پرسش عملی تعیین‌کننده خواهد بود: آیا شخصی‌سازی برای مصرف‌کننده ساده و مقرون‌به‌صرفه می‌شود؟ آیا عملکرد حسگر با فرسودگی سر مسواک ثابت می‌ماند؟ و آیا کاربران پس از گذشت چند ماه همچنان از راهنمایی‌ها استفاده می‌کنند؟ برای پاسخ، به ارزیابی طولانی‌تر و مقایسه با مراقبت معمول نیاز است. در منابع بررسی‌شده، اطلاعات قابل‌تأییدی درباره قیمت، زمان عرضه عمومی یا مجوز پزشکی این سامانه یافت نشد.
نتیجه‌گیری
دیجی‌دنت امکان ارزیابی دقیق‌تر رفتار مسواک‌زدن را مطرح می‌کند. گام بعدی، تبدیل این توان اندازه‌گیری به راهنمایی مؤثر و آزمودن اثر آن بر سلامت دهان است. موفقیت نهایی زمانی معنا پیدا می‌کند که کاربر بتواند بر اساس بازخورد دستگاه، عادت خود را بهبود دهد و این تغییر در ارزیابی بالینی نیز دیده شود.
یادداشت تحریریه: متن کامل نسخه در دست انتشار بررسی شد. تعداد شرکت‌کنندگان در بخش امکان‌سنجی و بیانیه اخلاق یکسان درج نشده است؛ این ناهمخوانی نیازمند توضیح نویسندگان است. بازتاب‌های رسانه‌ای، تأیید مستقل نتایج محسوب نمی‌شوند.
منابع
۱. مقاله اصلی: رن و همکاران؛ «دیجی‌دنت: تلفیق حسگری در سطح الیاف مسواک و هوش مصنوعی برای ارزیابی مسواک‌زدن مبتنی بر تماس»، نیچر کامیونیکیشنز، ۱۲ اکتبر ۲۰۲۶. صفحه مقاله | متن کامل بررسی‌شده
۲. پژوهش بالینی زمینه‌ای: «پایش مسواک‌زدن با تلفن همراه برای بهبود سلامت دهان: کارآزمایی تصادفی شش‌ماهه»، مجله پژوهش‌های اینترنتی پزشکی، ۲۰۲۵. متن پژوهش
۳. راهنمای عمومی: انجمن دندان‌پزشکی آمریکا؛ «مسواک‌ها». راهنمای مراقبت و استفاده از مسواک
۴. بازتاب رسانه‌ای بررسی‌شده: «مسواک، خطاهای مسواک‌زدن را مستقیماً در سطح الیاف شناسایی می‌کند»، رسانه «پژوهش و دانش»، ۱۲ اکتبر ۲۰۲۶. گزارش رسانه‌ای
