{"id":4088,"date":"2023-04-11T17:38:57","date_gmt":"2023-04-11T15:38:57","guid":{"rendered":"https:\/\/magazine.zhermack.com\/?p=4088"},"modified":"2023-04-11T17:39:56","modified_gmt":"2023-04-11T15:39:56","slug":"intelligence-artificielle-en-dentisterie","status":"publish","type":"post","link":"https:\/\/magazine.zhermack.com\/fr\/etude-fr\/intelligence-artificielle-en-dentisterie\/","title":{"rendered":"L\u2019intelligence artificielle en dentisterie\u00a0: utilisations, limites et perspectives"},"content":{"rendered":"\n

L\u2019intelligence artificielle est \u00ab un processus informatis\u00e9 destin\u00e9 \u00e0 reproduire l\u2019intelligence humaine ou animale et qui trouve application dans un grand nombre de domaines (par exemple, apprentissage automatique, traitement du langage naturel et robotique) \u00bb<\/em> [1].<\/p>\n\n\n\n

Elle est d\u00e9j\u00e0 appliqu\u00e9e dans une large gamme d\u2019activit\u00e9s, non seulement dans le domaine m\u00e9dical mais \u00e9galement dans les math\u00e9matiques, la finance, l\u2019ing\u00e9nierie et le secteur commercial [2].<\/p>\n\n\n\n

Le but et les modalit\u00e9s d\u2019application de l\u2019intelligence artificielle sont toutefois toujours les m\u00eames : l\u2019imitation du processus d\u00e9cisionnel humain en faisant \u00e9merger des corr\u00e9lations et des principes suite \u00e0 une utilisation logique et \u00e0 une analyse math\u00e9matique de donn\u00e9es de d\u00e9part<\/strong>.<\/p>\n\n\n\n

Ainsi, les d\u00e9cisions humaines devraient th\u00e9oriquement \u00eatre facilit\u00e9es et plus pr\u00e9cises car tous les aspects, les avantages et les inconv\u00e9nients relatifs \u00e0 une question\/pathologie donn\u00e9e, sont pris en consid\u00e9ration par la machine qui, apr\u00e8s avoir examin\u00e9 toutes les donn\u00e9es disponibles, \u00e9labore la meilleure solution [3,4].<\/p>\n\n\n\n

Une \u00ab\u00a0m\u00e9decine de pr\u00e9cision\u00a0\u00bb personnalis\u00e9e et pr\u00e9ventive<\/h2>\n\n\n\n

Dans le domaine m\u00e9dical, l\u2019intelligence artificielle pourrait ainsi conduire \u00e0 une meilleure compr\u00e9hension des maladies dans les diff\u00e9rentes populations du monde et chez les diff\u00e9rents individus via l\u2019analyse informatis\u00e9e et l\u2019extrapolation d\u2019une vaste gamme de donn\u00e9es.<\/p>\n\n\n\n

Il serait ainsi possible d\u2019arriver \u00e0 ce qu\u2019on appelle une \u00ab m\u00e9decine de pr\u00e9cision \u00bb, c\u2019est-\u00e0-dire une m\u00e9decine personnalis\u00e9e, bas\u00e9e sur des interventions pr\u00e9ventives et th\u00e9rapeutiques<\/strong> non \u00e0 grande \u00e9chelle mais cibl\u00e9es sur chaque personne individuellement<\/strong>.<\/p>\n\n\n\n

Il s\u2019agit d\u2019une m\u00e9decine qui tient compte des diff\u00e9rences individuelles en termes de g\u00e9n\u00e9tique, de mode de vie, d\u2019alimentation, d\u2019ant\u00e9c\u00e9dents familiaux afin de parvenir \u00e0 identifier les th\u00e9rapies les plus appropri\u00e9es au cas clinique [5].<\/p>\n\n\n\n

Dentisterie pr\u00e9dictive et imagerie m\u00e9dicale\u00a0: le r\u00f4le de l\u2019IA<\/h2>\n\n\n\n

Dans le secteur dentaire, en exploitant les principes \u00e0 la base du deep learning<\/em>, l\u2019intelligence artificielle commence \u00e0 arriver dans les activit\u00e9s et les programmes li\u00e9s \u00e0 la dentisterie pr\u00e9dictive et \u00e0 l\u2019imagerie m\u00e9dicale [6].<\/p>\n\n\n\n

En orthodontie, certains programmes permettent d\u00e9j\u00e0 de d\u00e9tecter automatiquement des points de r\u00e9f\u00e9rence c\u00e9phalom\u00e9triques<\/strong> sur les t\u00e9l\u00e9radiographies lat\u00e9ro-lat\u00e9rales, des changements radiographiques r\u00e9sultant de traitements d\u2019orthodontie non extractifs et pr\u00e9voient la croissance et le d\u00e9veloppement [7,8].<\/p>\n\n\n\n

L\u2019IA dans l\u2019analyse radiographique<\/h3>\n\n\n\n

En dentisterie conservatrice, les m\u00e9canismes d\u2019intelligence artificielle sont appliqu\u00e9s principalement dans l\u2019analyse des radiographies intrabuccales<\/strong> en vue de diagnostiquer des caries dans les limites proximales et sur l\u2019\u00e9mail et comprendre leur extension r\u00e9elle sur la dentine [9]. L\u2019analyse de l\u2019\u00e9chelle de gris avec les diff\u00e9rents pixels pr\u00e9sents sur la radiographie est en effet utilis\u00e9e pour d\u00e9terminer la pr\u00e9sence ou non de caries et leur ampleur.<\/p>\n\n\n\n

Suivant le m\u00eame principe, l\u2019analyse des radiographies intrabuccales permet \u00e0 certains syst\u00e8mes d\u2019IA de d\u00e9voiler des pathologies endodontiques et l\u2019anatomie des canaux radiculaires et de sugg\u00e9rer un \u00e9ventuel traitement radiculaire [10].<\/p>\n\n\n\n

Toujours en ce qui concerne l\u2019analyse radiographique, en parodontologie et en implantologie, l\u2019intelligence artificielle est utile pour comprendre les types de d\u00e9fauts osseux<\/strong> pr\u00e9sents et faire une \u00e9valuation du risque de d\u00e9veloppement des pathologies parodontales\/p\u00e9ri-implantaires \u00e0 la suite, par exemple, de l\u2019observation de la disparition de la plaque dure [11,12].<\/p>\n\n\n\n

De plus, dans ce domaine, le deep learning<\/em> peut \u00e9galement permettre de reconna\u00eetre le type d\u2019implant pr\u00e9sent dans l\u2019os, dans le cas o\u00f9 il serait n\u00e9cessaire de traiter un patient porteur d\u2019un implant mais dont nous ne connaissons pas le type [13].<\/p>\n\n\n\n

L\u2019IA dans les proth\u00e8ses et le domaine maxillo-facial<\/h3>\n\n\n\n

Concernant les proth\u00e8ses, l\u2019analyse occlusale et la reconnaissance des signes para-fonctionnels sont encore aujourd\u2019hui en phase d\u2019\u00e9tude bien que des \u00e9tudes pr\u00e9liminaires s\u2019av\u00e8rent prometteuses [14].<\/p>\n\n\n\n

En chirurgie maxillo-faciale, en revanche, l\u2019intelligence artificielle s\u2019av\u00e8re utile pour la planification des cas chirurgicaux en chirurgie orthognatique et oncologique<\/strong> [15]. D\u2019autres applications pourraient concerner la visualisation de l\u2019\u00e9tendue de l\u2019ost\u00e9on\u00e9crose des maxillaires dans la CBCT [16].<\/p>\n\n\n\n

M\u00eame le diagnostic des troubles temporo-mandibulaires d\u2019origine anatomique et du carcinome squameux des muqueuses orales pourrait b\u00e9n\u00e9ficier de l\u2019application d\u2019algorithmes de deep learning<\/em> [17,18].<\/p>\n\n\n\n

Perspectives et limites de l\u2019IA en dentisterie<\/h4>\n\n\n\n

Les utilisations mentionn\u00e9es ci-dessus ne repr\u00e9sentent que le d\u00e9but des utilisations possibles de l\u2019intelligence artificielle en dentisterie. Toutefois, bien que sous plusieurs aspects ces algorithmes s\u2019av\u00e8rent pr\u00e9cis, ils ont des limites<\/strong>.<\/p>\n\n\n\n

Par exemple, l\u2019indication par des syst\u00e8mes d\u2019intelligence artificielle des points de r\u00e9f\u00e9rence des tissus durs et mous dans les zones du menton et du pogonion sur les t\u00e9l\u00e9radiographies est souvent impr\u00e9cise du fait que la position et l\u2019inclinaison du menton sont difficilement pr\u00e9visibles avec une radiographie ou une photo de profil [14].<\/p>\n\n\n\n

Par ailleurs, les \u00e9tapes concernant la reconstruction de l\u2019image CBCT<\/strong>, le processus de segmentation<\/strong> et la planification chirurgicale<\/strong> sont encore des phases d\u00e9licates dans lesquelles les algorithmes de deep learning<\/em> peuvent commettre des erreurs avec des cons\u00e9quences parfois non n\u00e9gligeables<\/strong> [15].<\/p>\n\n\n\n

Il est \u00e9galement n\u00e9cessaire de conna\u00eetre le m\u00e9canisme de fonctionnement des algorithmes [3,4] et, en raison de la complexit\u00e9 de cette nouvelle technologie et des probl\u00e8mes intrins\u00e8ques concernant ses utilisations dans le domaine m\u00e9dical, il n\u2019est pas exclu qu\u2019\u00e0 l\u2019avenir des sp\u00e9cialit\u00e9s m\u00e9dicales nouvelles puissent appara\u00eetre<\/strong> [19].<\/p>\n\n\n\n

L\u2019utilisation de l\u2019IA en dentisterie aura certainement un impact significatif, qu\u2019il faudra toutefois \u00e9valuer en fonction de la branche et de l\u2019application clinique et extraclinique qu\u2019auront les logiciels dans ce domaine.<\/p>\n\n\n\n

\n\n\n\n

Bibliographie<\/strong><\/p>\n\n\n\n

[1]       Ramesh AN, Kambhampati C, Monson JRT, Drew PJ. Artificial intelligence in medicine. Ann R Coll Surg Engl 2004;86:334\u20138. https:\/\/doi.org\/10.1308\/147870804290.<\/p>\n\n\n\n

[2]       Borana J. Applications of Artificial Intelligence & Associated Technologies, 2016.<\/p>\n\n\n\n

[3]       Mohammad-Rahimi H, Rokhshad R, Bencharit S, Krois J, Schwendicke F. Deep learning: A primer for dentists and dental researchers. J Dent 2023;130:104430. https:\/\/doi.org\/10.1016\/j.jdent.2023.104430.<\/p>\n\n\n\n

[4]       Ducret M, M\u00f6rch C-M, Karteva T, Fisher J, Schwendicke F. Artificial intelligence for sustainable oral healthcare. J Dent 2022;127:104344. https:\/\/doi.org\/10.1016\/j.jdent.2022.104344.<\/p>\n\n\n\n

[5]       K\u00f6nig IR, Fuchs O, Hansen G, von Mutius E, Kopp MV. What is precision medicine? Eur Respir J 2017;50:1700391. https:\/\/doi.org\/10.1183\/13993003.00391-2017.<\/p>\n\n\n\n

[6]       Schwendicke F, Krois J. Data Dentistry: How Data Are Changing Clinical Care and Research. J Dent Res 2022;101:21\u20139. https:\/\/doi.org\/10.1177\/00220345211020265.<\/p>\n\n\n\n

[7]       Park JH, Kim Y-J, Kim J, Kim J, Kim I-H, Kim N, et al. Use of artificial intelligence to predict outcomes of nonextraction treatment of Class II malocclusions. Seminars in Orthodontics 2021;27:87\u201395. https:\/\/doi.org\/10.1053\/j.sodo.2021.05.005.<\/p>\n\n\n\n

[8]       Mohammad-Rahimi H, Nadimi M, Rohban MH, Shamsoddin E, Lee VY, Motamedian SR. Machine learning and orthodontics, current trends and the future opportunities: A scoping review. American Journal of Orthodontics and Dentofacial Orthopedics 2021;160:170-192.e4. https:\/\/doi.org\/10.1016\/j.ajodo.2021.02.013.<\/p>\n\n\n\n

[9]       Mohammad-Rahimi H, Motamedian SR, Rohban MH, Krois J, Uribe SE, Mahmoudinia E, et al. Deep learning for caries detection: A systematic review. Journal of Dentistry 2022;122:104115. https:\/\/doi.org\/10.1016\/j.jdent.2022.104115.<\/p>\n\n\n\n

[10]     Sadr S, Mohammad-Rahimi H, Motamedian SR, Zahedrozegar S, Motie P, Vinayahalingam S, et al. Deep Learning for Detection of Periapical Radiolucent Lesions: A Systematic Review and Meta-analysis of Diagnostic Test Accuracy. Journal of Endodontics 2023;49:248-261.e3. https:\/\/doi.org\/10.1016\/j.joen.2022.12.007.<\/p>\n\n\n\n

[11]     Revilla-Le\u00f3n M, G\u00f3mez-Polo M, Barmak AB, Inam W, Kan JYK, Kois JC, et al. Artificial intelligence models for diagnosing gingivitis and periodontal disease: A systematic review. The Journal of Prosthetic Dentistry 2022. https:\/\/doi.org\/10.1016\/j.prosdent.2022.01.026.<\/p>\n\n\n\n

[12]     Mohammad-Rahimi H, Motamedian SR, Pirayesh Z, Haiat A, Zahedrozegar S, Mahmoudinia E, et al. Deep learning in periodontology and oral implantology: A scoping review. Journal of Periodontal Research 2022;57:942\u201351. https:\/\/doi.org\/10.1111\/jre.13037.<\/p>\n\n\n\n

[13]     Revilla-Le\u00f3n M, G\u00f3mez-Polo M, Vyas S, Barmak BA, Galluci GO, Att W, et al. Artificial intelligence applications in implant dentistry: A systematic review. J Prosthet Dent 2023;129:293\u2013300. https:\/\/doi.org\/10.1016\/j.prosdent.2021.05.008.<\/p>\n\n\n\n

[14]     Farook TH, Rashid F, Ahmed S, Dudley J. Clinical machine learning in parafunctional and altered functional occlusion: A systematic review. J Prosthet Dent 2023:S0022-3913(23)00051-3. https:\/\/doi.org\/10.1016\/j.prosdent.2023.01.013.<\/p>\n\n\n\n

[15]     Minnema J, Ernst A, van Eijnatten M, Pauwels R, Forouzanfar T, Batenburg KJ, et al. A review on the application of deep learning for CT reconstruction, bone segmentation and surgical planning in oral and maxillofacial surgery. Dentomaxillofacial Radiology 2022;51. https:\/\/doi.org\/10.1259\/dmfr.20210437.<\/p>\n\n\n\n

[16]     Wongratwanich P, Shimabukuro K, Konishi M, Nagasaki T, Ohtsuka M, Suei Y, et al. Do various imaging modalities provide potential early detection and diagnosis of medication-related osteonecrosis of the jaw? A review. Dentomaxillofacial Radiology 2021;50. https:\/\/doi.org\/10.1259\/dmfr.20200417.<\/p>\n\n\n\n

[17]     Jha N, Lee K, Kim Y-J. Diagnosis of temporomandibular disorders using artificial intelligence technologies: A systematic review and meta-analysis. PLOS ONE 2022;17:e0272715. https:\/\/doi.org\/10.1371\/journal.pone.0272715.<\/p>\n\n\n\n

[18]     Alabi RO, Youssef O, Pirinen M, Elmusrati M, M\u00e4kitie AA, Leivo I, et al. Machine learning in oral squamous cell carcinoma: Current status, clinical concerns and prospects for future\u2014A systematic review. Artificial Intelligence in Medicine 2021;115:102060. https:\/\/doi.org\/10.1016\/j.artmed.2021.102060.<\/p>\n\n\n\n

[19]     Cussat-Blanc S, Castets-Renard C, Monsarrat P. Doctors in Medical Data Sciences: A New Curriculum. International Journal of Environmental Research and Public Health 2023;20:675. https:\/\/doi.org\/10.3390\/ijerph20010675.<\/p>\n","protected":false},"excerpt":{"rendered":"

L\u2019intelligence artificielle est \u00ab un processus informatis\u00e9 destin\u00e9 \u00e0 reproduire l\u2019intelligence humaine ou animale et qui trouve application dans un grand nombre de domaines (par exemple, apprentissage automatique, traitement du langage naturel et robotique) \u00bb [1]. Elle est d\u00e9j\u00e0 appliqu\u00e9e dans une large gamme d\u2019activit\u00e9s, non seulement dans le domaine m\u00e9dical mais \u00e9galement dans les math\u00e9matiques, la […]<\/p>\n","protected":false},"author":1,"featured_media":4073,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rs_blank_template":"","rs_page_bg_color":"","slide_template_v7":"","footnotes":""},"categories":[52],"tags":[],"class_list":["post-4088","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-etude-fr"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/posts\/4088","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/comments?post=4088"}],"version-history":[{"count":0,"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/posts\/4088\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/media\/4073"}],"wp:attachment":[{"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/media?parent=4088"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/categories?post=4088"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazine.zhermack.com\/fr\/wp-json\/wp\/v2\/tags?post=4088"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}