• Dr Guillaume Couelle - Chirurgien-Dentiste

L’Intelligence Artificielle au cabinet dentaire

Mis à jour : févr. 21


La révolution numérique bouleverse la pratique de l’art dentaire depuis le début du 21ème siècle. Le plateau technique du chirurgien-dentiste a en effet considérablement évolué ces 20 dernières années. Il est courant de nos jours de voir les cabinets dentaires équipés d’appareil d’imagerie médicale, de scanners intra oraux, de microscopes endodontiques, et même de scanners tomographiques (CBCT) qui permettent l’acquisition de données radiologiques tridimensionnels avec des seuils d’irradiation compatibles avec une pratique quotidienne.


L’apport de ces technologies a permis aux chirurgiens-dentistes de grandement affiner la qualité de leurs diagnostics, et d’améliorer considérablement la qualité et la pérennité de leurs plans de traitement.


En parallèle de ces innovations, nous sommes témoins de l’avènement des algorithmes d’apprentissage automatique (deep learning), grâce à un investissement massif de fonds publics et privés, notamment de la part des GAFAM.


L’application d’algorithmes de deep learning dans l’imagerie médicale a déjà démontré une fiabilité supérieure à l’homme en dermatologie comme en radiologie dans la détection de certaines lésions cancéreuses et précancéreuses.

Quelques exemples clés :

  • En 2019, la startup chinoise JF healthcare a battu une équipe de radiologues de l’université de Stanford dans la détection de lésions (cancers, tuberculose et autres lésions pulmonaires) en analysant des radiographies thoraciques 2D.

  • En Mai 2019, une équipe de chercheurs internationaux met au point un algorithme atteignant l’état de l’art (94,4% de diagnostique positif) dans la détection de lésions cancéreuses et pré cancéreuses en analysant des images de radiographies tri dimensionnelles de la cavité thoracique.

  • En 2020, la compétition digitale internationale DREAM (126 équipes dans 44 pas) a cette fois démontré une performance supérieure des radiologues dans la détection de lésions mammaires. Mais une fois les données cliniques de la compétition intégrées aux modèles d’IA, l’algorithme a finalement été capable de battre les résultats des radiologues.

Ces résultats étaient a priori prédictibles, puisque des algorithmes d’IA appliqués à l’analyse d’images ont déjà démontré des taux de fiabilité quasi absolus dans d’autres industries riches en big data d’imagerie.


C’est donc bien la quantité de données d’imagerie médicale, ainsi que l’accès à leurs diagnostics associés qui semblent être le frein à l’obtention de résultats similaires de la part des algorithmes de détection d’imagerie médicale.


Ceci s’explique d’une part par une généralisation progressive de l’utilisation des différents appareils d’acquisition d’images pour des raisons économiques, ainsi que par des politiques de bioéthique et de protection de données médicales qui limitent la mise en commun de l’ensemble des données mondiales.


Ce problème a déjà été identifié par la HAS (Haute Autorité de Santé) et par le plan Ma Santé 2022 qui font de la production de données médicales une réelle priorité. National Geographic affirme que le volume des données de santé grandit à une vitesse phénoménale : 2314 exaoctets de data estimés pour 2020, soit un taux de croissance annuel d’au moins 48%.


Or l’art dentaire fait partie de ces spécialités médicales dans lesquelles l’imagerie joue un rôle central dans le diagnostic, dans la mise en œuvre des soins, et également dans la fabrication de prothèses. En effet, comme nous l’évoquions plus haut, au-delà de l’imagerie radiologique, les chirurgiens-dentistes s’appuient aujourd’hui quotidiennement sur de l’imagerie 2D et 3D non invasives (scanners intra oraux, empreintes digitales, photos, logiciels de prévisualisation thérapeutiques, enregistrements de la cinématique mandibulaire).


Couplées à la généralisation de la CFAO (Conception et de Fabrication Assistée par Ordinateur), ces acquisitions numériques ont ouvert de nouvelles possibilités thérapeutiques permettant aux prothésistes de conceptualiser et de fabriquer des prothèses toujours plus adaptées à l’esthétique, à la morphologie, et à l’enveloppe fonctionnelle de nos patients.

Comme nous l’avons vu, c’est en présence de grandes bases de données que les algorithmes de deep learning produisent leurs meilleures performances. Si nous continuons à produire un nombre croissant de données numériques regroupant tous les différents aspects de l’art dentaire que nous venons d’évoquer, alors il faudra s’attendre à une nouvelle révolution, qui invitera cette fois l’intelligence artificielle directement au cabinet dentaire. Et qui devrait offrir aux patients des perspectives de soins, sur mesure, d’une précision et d’une fiabilité jusqu’alors inenvisageables.

20 vues0 commentaire

Posts récents

Voir tout