L’IA est aujourd’hui largement développée pour l’analyse des radiographies dentaires et notamment l’identification des images radioclaires.
Les assistants conversationnels (LLM) modifient l’accès à l’information clinique en facilitant la recherche documentaire.
Les performances des systèmes d’IA dépendent fortement des données utilisées pour leur entraînement et peuvent être limitées par des biais ou un manque de représentativité.
L’IA doit être considérée comme un outil nécessitant une validation critique systématique par le praticien. Les outils actuels ne bénéficient souvent que de peu ou pas de recul clinique sur leurs performances.
L’usage clinique de ces outils doit respecter les exigences réglementaires européennes applicables aux dispositifs médicaux et à la protection des données.
Marie-Agnès GasquiMCU-PHFaculté d’Odontologie de Lyon, Université Claude Bernard Lyon 1Alexandre ChnekerFaculté d’Odontologie de Lyon, Université Claude Bernard Lyon 1Gordon LaiClinical Assistant ProfessorUniversité du Pacifique, San Francisco, Etats-UnisMarine AmeaumeFaculté d’Odontologie de Lyon, Université Claude Bernard Lyon 1Raphaël RichertMCU-PHFaculté d’Odontologie de Lyon, Université Claude Bernard Lyon 1
L’IA au service de la lecture des radiographies
Ces dernières années, la numérisation des clichés radiographiques et la généralisation du cone beam (CBCT) ont permis de constituer des bases de données d’imagerie très volumineuses, parfois même librement accessibles. La combinaison de ces volumes d’images et des progrès en modélisation a rendu possible l’essor des approches d’IA fondées sur le deep learning (apprentissage profond), en particulier les réseaux de neurones convolutifs (CNN). Ces CNN fonctionnent un peu comme l’œil lorsqu’il cherche un élément connu d’avance, par exemple Charlie dans le jeu « Où est Charlie ? ». Imaginez : vous regardez aux différents endroits de…
