Comment l’IA lit les radiographies dentaires
La plupart des produits d’IA dentaire actuellement sur le marché ont une seule fonction : ils examinent une radiographie (rétro-coronaire, rétro-alvéolaire, panoramique ou examen CBCT en 3D) et mettent en évidence des zones que le praticien voudra peut-être regarder de plus près. Voici ce qui se passe en coulisses, expliqué simplement.
1. Le logiciel apprend à partir d’images annotées
Ces outils reposent sur l’apprentissage profond, une forme d’apprentissage automatique qui « apprend » des régularités statistiques à partir de nombreuses images d’exemple annotées par des experts, par exemple en délimitant des lésions carieuses. Une fois entraîné, le modèle peut faire des prédictions sur des images qu’il n’a jamais vues [1].
2. Il classe, détecte ou délimite
Les modèles de recherche font l’une de trois choses : classer une image ou une dent entière (p. ex. « carie présente »), détecter une anomalie et l’encadrer, ou la segmenter en délimitant précisément ses pixels. Une revue systématique de 2022 portant sur 42 études d’apprentissage profond pour la détection des caries a trouvé les trois approches [2].
3. Il joue le rôle de second lecteur – pas de diagnostic
Les produits autorisés par la FDA américaine sont généralement décrits comme des logiciels de détection assistée par ordinateur (« CADe ») qui aident le praticien. Leurs indications officielles précisent qu’ils ne remplacent pas l’examen complet ni le jugement clinique du chirurgien-dentiste. Vous pouvez lire cette formulation dans les résumés de la FDA accessibles depuis notre annuaire des outils, par exemple celui d’Overjet Caries Assist [3].
Ce que disent les preuves
- La précision rapportée dans les études est prometteuse mais très variable : dans la revue citée, l’exactitude au niveau de l’image, de l’objet ou du pixel allait de 68 % à 99 %, et pour la classification des caries sur radiographies rétro-coronaires, de 87,6 % à 95,4 % [2].
- La qualité des études est inégale : seules 11 des 42 études présentaient un faible risque de biais dans tous les domaines, et la façon de rapporter les performances était hétérogène, si bien qu’aucune méta-analyse n’a été possible [2].
- Les experts notent que l’IA n’est pas encore entrée largement dans la pratique dentaire courante, en raison de données limitées, d’un manque de rigueur méthodologique et de normes, et de questions ouvertes sur sa valeur, l’éthique et la responsabilité [1].
Ce que cela signifie pour les patients et les praticiens
L’IA peut être une « paire d’yeux supplémentaire » utile, notamment pour gagner en régularité dans un cabinet très actif. Mais une zone mise en évidence invite à regarder de nouveau ; ce n’est pas un diagnostic. Demandez comment l’outil a été validé, sur quels types de radiographies et quelles tranches d’âge, et gardez l’examen clinique du chirurgien-dentiste au centre de la décision.
Sources
- Schwendicke F, Samek W, Krois J. Artificial Intelligence in Dentistry: Chances and Challenges. J Dent Res. 2020;99(7):769-774. https://doi.org/10.1177/0022034520915714
- Mohammad-Rahimi H, et al. Deep learning for caries detection: A systematic review. J Dent. 2022;122:104115. https://doi.org/10.1016/j.jdent.2022.104115
- US FDA. 510(k) summary K222746 – Overjet Caries Assist. https://www.accessdata.fda.gov/cdrh_docs/pdf22/K222746.pdf