Logiciels d’aide au diagnostic en odontologie basés sur l’IA

Des logiciels d’aide au diagnostic basés sur des modèles d’apprentissage profond – un sous type de l’intelligence artificielle (IA) - commencent à être commercialisés pour des usages en odontologie. Alors que les premières applications concernaient les radiographies 2D, des évolutions récentes s’intéressent aux données 3D issues de l’imagerie CBCT ou du scanner intra-oral (SIO).

Radiographie 2D

L’aide au diagnostic sur les radiographies 2D consiste avant tout en la détection de différentes lésions. Par exemple, la suite logiciel DEXIS™ Imaging Suite propose la localisation de 6 éléments sur radiographies rétro-alvéolaires : lésions carieuses, tartre, alvéolyse, lésion péri-apicale, obturation canalaire insuffisante et inadaptation d’une restauration (figure 1).

Le même type de traitement automatisé peut être effectué sur les radiographies panoramiques. Par exemple, les logiciels WeDiagnostix, Allisone ou Diagnocat proposent la détection automatisée d’un grand nombre de caractéristiques radiographiques en séparant chacune des dents et en localisant les différentes restaurations et lésions présentes (figure 2). Un compte rendu radiologique peut être édité à l’issue de cette analyse, après approbation par le praticien des différentes propositions du logiciel.
Si les démonstrations de ces outils sont impressionnantes, des études sont nécessaires pour évaluer leur fiabilité dans un contexte clinique réel.

Une étude récente a montré que la précision diagnostique atteignait 86 % pour la détection de lésions carieuses sur des radiographies bitewing ou rétro-alvéolaires via la plateforme Diagnocat [1]. Selon les auteurs de l’étude, la fiabilité de l’outil n’est pas encore suffisante pour l’utiliser de manière indépendante pour diagnostiquer les lésions carieuses. Cependant, il peut déjà aider considérablement les chirurgiens-dentistes à évaluer les radiographies intra-orales et proposer un « deuxième avis » en cas de doute du praticien.

Concernant les radiographies panoramiques, les modèles d’IA les plus récents sont très précis dans l’identification et la numérotation des dents (94 %), tandis que la détection des lésions carieuses et de l’ostéoporose présente une précision de 92 % et 89 %, respectivement [2].

Des applications plus spécifiques ont également été développées. En dentisterie implantaire, des modèles d’IA ont été développés pour reconnaître le type d’implant à partir d’images radiographiques. La précision globale va de 94 % à 98 %, et Spotimplant constitue une application commerciale désormais intégrée à l’application Allisone. Il existe aussi des outils développés pour détecter la qualité de l’ostéointégration d’un implant, mais leur fiabilité reste faible (entre  62 % à 81 % selon les études) [3].

En orthodontie, l’analyse des téléradiographies de profil peut également être facilitée par la localisation automatisée des points de repère céphalométriques. Par exemple, le logiciel WebCeph propose la localisation automatisée de multiples points céphalométriques, permettant la réalisation automatisée de plus de 10 types d’analyses céphalométriques (figure 3).

Avec l’amélioration des performances de ces outils, leur utilisation en radiologie dentaire pourrait aider les praticiens dans l’analyse de leurs radiographies. Néanmoins, les analyses automatisées effectuées par l’IA doivent encore être traitées avec prudence et être couplées à l’examen clinique.