DOI: https://doi.org/10.1055/s-0046-1816081
PMID: https://pubmed.ncbi.nlm.nih.gov/41698418
تاريخ النشر: 2026-02-16
المؤلف: Tahani Mohammed Binaljadm وآخرون
الموضوع الرئيسي: اضطرابات مفصل الفك الصدغي
نظرة عامة
تناقش هذه القسم التحديات المرتبطة بتشخيص اضطرابات الفك الصدغي (TMDs)، والتي تعقدها طبيعتها متعددة العوامل، والأعراض المتداخلة، والعوامل النفسية الاجتماعية الهامة. بينما عززت أطر العمل مثل معايير التشخيص البحثية لاضطرابات الفك الصدغي (RDC/TMD) ومعايير التشخيص لاضطرابات الفك الصدغي (DC/TMD) اتساق التشخيص، لا تزال هناك مشكلات مثل الذاتية، وتباين الفاحصين، والوصول المحدود إلى التصوير.
تقدم الذكاء الاصطناعي (AI) حلاً واعدًا لهذه التحديات. لقد أظهرت التقدمات الأخيرة في نماذج التعلم العميق المعتمدة على التصوير دقة عالية في اكتشاف الشذوذات الهيكلية المرتبطة بـ TMDs. بالإضافة إلى ذلك، تعمل الخوارزميات التنبؤية وأدوات دعم القرار المدفوعة بالذكاء الاصطناعي على تحسين الكشف المبكر من خلال دمج البيانات السريرية والسلوكية والنفسية الاجتماعية. ومع ذلك، من الضروري معالجة الحواجز مثل دمج البيانات متعددة الأنماط، والتحيز الخوارزمي، والحاجة إلى التحقق الخارجي من النماذج لتنفيذ هذه التقنيات بفعالية في الممارسة السريرية. إن دمج الذكاء الاصطناعي ضمن إطار DC/TMD، المدعوم بمجموعات بيانات متعددة المراكز والاعتبارات الأخلاقية، لديه القدرة على تعزيز الموضوعية، وإمكانية التكرار، وتركيز المريض في تقييمات TMD.
مقدمة
تناقش مقدمة ورقة البحث اضطرابات الفك الصدغي (TMDs)، وهي حالات شائعة تؤثر على الجهاز العضلي الهيكلي وتؤثر على المفصل الفك الصدغي (TMJ) والهياكل المرتبطة، مما يؤدي إلى ألم وجه فموي كبير وقيود وظيفية. تؤثر TMDs على حوالي 5 إلى 12% من السكان، مع زيادة حدوثها بين الإناث اللاتي تتراوح أعمارهن بين 20 إلى 40 عامًا. يمكن أن تؤدي TMDs المزمنة، التي تتميز بألم يستمر لأكثر من ثلاثة أشهر، إلى إعاقة شديدة في المضغ، والكلام، والرفاه النفسي، مما يقلل من جودة الحياة. التشخيص الدقيق أمر حاسم للإدارة الفعالة؛ ومع ذلك، فإن الطبيعة متعددة العوامل لـ TMDs والإبلاغ الذاتي عن الأعراض تعقد هذه العملية.
تسلط الورقة الضوء على الاعتماد على تاريخ المريض، والفحص البدني، وتقنيات التصوير—مثل الأشعة السينية البانورامية، والتصوير المقطعي المحوسب (CT)، والتصوير بالرنين المغناطيسي (MRI)—للتشخيص، مع الإشارة إلى أن نتائج التصوير لا تتوافق دائمًا مع شدة الأعراض. تم تطوير أنظمة تشخيص موحدة مثل DC/TMD لتحسين الموثوقية، ومع ذلك، لا تزال التحديات مثل تباين الفاحصين والوصول المحدود إلى التصوير المتقدم قائمة. يُقترح إدخال الذكاء الاصطناعي (AI) كحل تحويلي لتعزيز دقة وكفاءة التشخيص من خلال معالجة البيانات متعددة الأنماط المعقدة. تهدف هذه المراجعة إلى تلخيص طرق التشخيص الحالية لـ TMDs، ومعالجة تحدياتها، واستكشاف دمج الذكاء الاصطناعي في الممارسة السريرية، مع التأكيد على الآثار العملية للتطبيق في العالم الحقيقي.
النتائج
تحدد قسم النتائج النتائج الرئيسية للفحص البدني التي تدعم تشخيص اضطرابات الفك الصدغي (TMD). يجب على الأطباء البحث عن حركة الفك المقيدة، والانحرافات أثناء فتح الفك، والحنان في عضلات المضغ، والشذوذات في المفصل. كما يتم الإشارة إلى علامات صرير الأسنان والحنان في مناطق الرقبة أو الكتف. بالإضافة إلى ذلك، يجب أن تشمل التقييمات تقييم سوء الإطباق السني أو الهيكلي، مثل فقدان الأسنان أو عدم التماثل في الإطباق، والتي قد تساهم في تطور TMD. من الضروري التمييز بين عجز الأعصاب القحفية والقضايا المتعلقة بـ TMD، حيث تتطلب تقييمًا عصبيًا إضافيًا.
تقدم الأصوات الناتجة عن المفصل أثناء الفحص رؤى تشخيصية إضافية؛ قد تشير نقرة واحدة أثناء فتح الفك إلى انزلاق القرص الأمامي، بينما تشير نقرة ثانية أثناء الإغلاق إلى إعادة التقاط القرص. يحدث حالة “القفل المغلق” عندما يعيق انزلاق القرص الحركة الطبيعية للحدبات، وغالبًا ما تشير الكريبتوس إلى تغييرات تنكسية مثل التهاب المفاصل. يشير الحنان عند اللمس لمفصل الفك الصدغي (TMJ) إلى وجود مرض داخل المفصل، بينما يمكن تقييم الألم العضلي أو الألم المحال من خلال الحنان في عضلات الماسيتير، والتمبورا ليس، أو عضلات الرقبة. من الجدير بالذكر أن انحراف الفك نحو الجانب المصاب أثناء الفتح يرتبط غالبًا بانزلاق القرص الأمامي.
المناقشة
تحدد قسم المناقشة في الورقة تطور وأهمية معايير التشخيص لاضطرابات الفك الصدغي (TMD)، مع التركيز بشكل خاص على الانتقال من معايير التشخيص البحثية لاضطرابات الفك الصدغي (RDC/TMD) إلى معايير التشخيص لاضطرابات الفك الصدغي (DC/TMD). قدمت RDC/TMD، التي تم تأسيسها في عام 1992، نظامًا مزدوج المحاور يقيم كل من الحالات السريرية (المحور الأول) والعوامل النفسية الاجتماعية (المحور الثاني)، مما يوفر إطارًا أساسيًا لتشخيص TMD. ومع ذلك، أدت القيود في الموثوقية والحاجة إلى تقييمات نفسية اجتماعية محدثة إلى تطوير DC/TMD في عام 2014، الذي قام بتنقيح الخوارزميات التشخيصية ودمج أدوات موثوقة لتقييم الضغوط النفسية، مما يتماشى مع نموذج الألم البيولوجي النفسي الاجتماعي.
لقد كان لـ DC/TMD تأثير كبير على الممارسة السريرية والبحث من خلال توحيد معايير التشخيص، وتسهيل المقارنات عبر الدراسات، وتعزيز الاعتماد المتبادل بين العوامل النفسية والبيولوجية في TMD. لقد ربطت الدراسات التي تستخدم هذه المعايير باستمرار بين TMD والمتغيرات النفسية مثل الاكتئاب والقلق، مما يبرز ضرورة التقييم النفسي المبكر في استراتيجيات الإدارة. تؤكد هذه القسم أنه بينما تظل RDC/TMD ذات صلة تاريخية، فإن DC/TMD تقدم موثوقية محسنة وقابلية للاستخدام، مما يحسن في النهاية دقة التشخيص ونتائج العلاج في سياق متعدد التخصصات.
DOI: https://doi.org/10.1055/s-0046-1816081
PMID: https://pubmed.ncbi.nlm.nih.gov/41698418
Publication Date: 2026-02-16
Author(s): Tahani Mohammed Binaljadm et al.
Primary Topic: Temporomandibular Joint Disorders
Overview
The section discusses the challenges associated with diagnosing temporomandibular disorders (TMDs), which are complicated by their multifactorial nature, overlapping symptoms, and significant psychosocial factors. While frameworks like the Research Diagnostic Criteria for Temporomandibular Disorders (RDC/TMD) and the Diagnostic Criteria for Temporomandibular Disorders (DC/TMD) have enhanced diagnostic consistency, issues such as subjectivity, interexaminer variability, and limited access to imaging persist.
Artificial intelligence (AI) presents a promising solution to these challenges. Recent advancements in imaging-based deep learning models have demonstrated high accuracy in detecting structural abnormalities associated with TMDs. Additionally, predictive algorithms and AI-driven decision-support tools are improving early detection by integrating clinical, behavioral, and psychosocial data. However, to effectively implement these technologies in clinical practice, it is essential to address barriers such as multimodal data integration, algorithmic bias, and the need for external validation of models. The integration of AI within the DC/TMD framework, bolstered by multicenter datasets and ethical considerations, has the potential to significantly enhance the objectivity, reproducibility, and patient-centeredness of TMD assessments.
Introduction
The introduction of the research paper discusses temporomandibular disorders (TMDs), which are prevalent musculoskeletal conditions affecting the temporomandibular joint (TMJ) and associated structures, leading to significant orofacial pain and functional limitations. TMDs affect approximately 5 to 12% of the population, with a higher incidence in females aged 20 to 40 years. Chronic TMDs, characterized by pain lasting over three months, can severely impair mastication, speech, and psychological well-being, thus diminishing quality of life. Accurate diagnosis is crucial for effective management; however, the multifactorial nature of TMDs and subjective symptom reporting complicate this process.
The paper highlights the reliance on patient history, physical examination, and imaging techniques—such as panoramic radiography, computed tomography (CT), and magnetic resonance imaging (MRI)—for diagnosis, while noting that imaging results do not always correlate with symptom severity. Standardized diagnostic systems like the DC/TMD have been developed to improve reliability, yet challenges such as inter-examiner variability and limited access to advanced imaging persist. The introduction of artificial intelligence (AI) is proposed as a transformative solution to enhance diagnostic accuracy and efficiency by processing complex multimodal data. This review aims to synthesize existing diagnostic methods for TMDs, address their challenges, and explore the integration of AI into clinical practice, emphasizing practical implications for real-world application.
Results
The results section outlines key physical examination findings that support the diagnosis of temporomandibular disorders (TMD). Clinicians should look for restricted mandibular motion, deviations during jaw opening, tenderness in masticatory muscles, and joint abnormalities. Signs of bruxism and muscle tenderness in the cervical or shoulder regions are also noted. Additionally, the evaluation should include assessing for dental or skeletal malocclusions, such as edentulism or occlusal asymmetries, which may contribute to TMD development. It is crucial to differentiate cranial nerve deficits from TMD-related issues, as they require further neurological assessment.
Joint sounds during examination provide further diagnostic insights; a single click during jaw opening may indicate anterior disc displacement, while a second click during closing suggests disc recapture. A “closed lock” state occurs when disc displacement restricts normal condylar movement, and crepitus often indicates degenerative changes like osteoarthritis. Tenderness upon palpation of the temporomandibular joint (TMJ) suggests intra-articular pathology, whereas myalgia or referred pain can be assessed through tenderness in the masseter, temporalis, or cervical muscles. Notably, mandibular deviation toward the symptomatic side during opening is frequently associated with anterior disc displacement.
Discussion
The discussion section of the paper outlines the evolution and significance of diagnostic criteria for Temporomandibular Disorders (TMD), specifically focusing on the transition from the Research Diagnostic Criteria for Temporomandibular Disorders (RDC/TMD) to the Diagnostic Criteria for Temporomandibular Disorders (DC/TMD). The RDC/TMD, established in 1992, introduced a dual-axis system that assessed both clinical conditions (Axis I) and psychosocial factors (Axis II), providing a foundational framework for TMD diagnosis. However, limitations in reliability and the need for updated psychosocial assessments led to the development of the DC/TMD in 2014, which refined diagnostic algorithms and incorporated validated tools for evaluating psychological distress, thereby aligning with the biopsychosocial model of pain.
The DC/TMD has significantly impacted clinical practice and research by standardizing diagnostic criteria, facilitating cross-study comparisons, and reinforcing the interdependence of psychological and biological factors in TMD. Studies utilizing these criteria have consistently linked TMD with psychological variables such as depression and anxiety, highlighting the necessity for early psychological assessment in management strategies. The section emphasizes that while the RDC/TMD remains historically relevant, the DC/TMD offers enhanced reliability and usability, ultimately improving diagnostic accuracy and treatment outcomes in a multidisciplinary context.