LES PERSPECTIVES DE L'INTELLIGENCE ARTIFICIELLE EN MÉDECINE BUCCO-DENTAIRE 

Notre génération est marquée par un tournant majeur dans l’innovation grâce à l’intelligence artificielle (IA). L’IA est un outil dont les premières traces remontent aux années 50 avec Alan Turing où il pose la question de savoir si la machine possède une conscience. Celle-ci évolue par la suite en un système expert, permettant de réaliser des tâches suppléant l’intelligence humaine dans une optique de gain d’efficience au quotidien. Depuis, les usages se diversifient et particulièrement dans le milieu médical. En effet, du fait de sa nature, elle peut soutenir les professionnels de santé là où le temps et la précision sont limités par les capacités humaines. Nous vous proposons de découvrir par quels moyens l'utilisation de l’IA en médecine bucco-dentaire peut révolutionner notre quotidien et pourquoi il est important de former les générations actuelles et futures à ces notions. Nous en profiterons pour ouvrir le sujet sur des réflexions d’ordre éthique et philosophique.

QU’EST-CE QUE L’IA ?

Développée au milieu du XXe siècle, l’IA est citée pour la première fois en 1956 lors de la conférence de Dartmouth par McCarthy. Depuis, elle n’a cessé d’évoluer en profitant de l’avènement d’internet. En 2018, Cédric Villani, professeur de mathématique et député de l’Essonne, était en charge d’une mission de conseil gouvernemental afin de « donner un sens à l’IA ». Il l’a définie comme étant toutes les technologies permettant de résoudre des problèmes que l’on pensait réservés à l’intelligence humaine. Depuis, la publication d’un Livre Blanc en 202 a mis l’IA au cœur des débats européens.

Construite à partir d’algorithmes sur le principe de l’apprentissage automatique communément nommé Machine Learning, elle se nourrit des données que nous produisons chaque jour. Ainsi, l’IA est une technologie qui apprend et peut exécuter des tâches auxquelles elle n’était pas destinée au préalable. On lui décrit plusieurs apprentissages.

• L’apprentissage supervisé consiste à développer un algorithme dans un but précis. Par exemple, nous souhaitons permettre à la machine de différencier une incisive d’une molaire sur des images. Pour ce faire, à partir d’un jeu d’images test, nous aidons la machine à caractériser son objectif jusqu’au moment où celle-ci y arrive par elle-même.

• L’apprentissage non supervisé, à l’inverse, ne présente pas un objectif précis. En reprenant le même exemple à partir d’un échantillon plus important, l’IA permet de réaliser des regroupements selon des similarités discernant les incisives d’un côté et les molaires de l’autre. Cette méthode permet de prétraiter des volumes de données trop importants pour la personne humaine.

Depuis la fin des années 1990, une version plus élaborée du Machine Learning a été développée : le Deep Learning (DL) ou apprentissage profond. Conçu non plus sur le principe de base des algorithmes, ce modèle s’articule autour d’un réseau de neurones artificiels s’inspirant du système nerveux humain. Concrètement, on schématise son fonctionnement en plusieurs couches. La première couche consiste à traiter chaque pixel de l’image individuellement, puis ces résultats vont interagir ensemble de façon à croiser les informations sur autant de couches que nécessaire pour aboutir au résultat final. Quoiqu’il en soit, l’algorithme doit s’entraîner avant de pouvoir donner un résultat fiable.

L'IA dans la pratique bucco-dentaire