Introduction : L’écart entre les résultats simulés et les résultats réels obtenus avec un traitement par aligneurs peut s’expliquer par trois facteurs potentiels.
La première raison est une durée de port quotidienne insuffisante. Deuxièmement, les patients peuvent également passer à l’aligneur suivant avant d’avoir achevé le mouvement prévu. Troisièmement, et en lien avec les deux raisons mentionnées ci-dessus, les gouttières risquent de ne pas être bien ajustées. Ce manque de contact étroit entre la gouttière et la dent compromet les forces nécessaires à un déplacement dentaire efficace.
Compte tenu des longs intervalles entre les rendez-vous pour les patients portant des gouttières transparentes, les problèmes d’ajustement peuvent passer inaperçus pendant plusieurs mois, s’aggravant progressivement au fil des différentes séries de gouttières.
Objectifs : Cette étude visait à évaluer les performances de l’intelligence artificielle (IA) de DentalMonitoring (DM) dans la détection des problèmes d’ajustement des gouttières d’alignement.
On a défini l’ajustement comme un ajustement satisfaisant de l’aligneur, sans décollement ni dommage visible. Un léger défaut d’ajustement survenait lorsque l’aligneur n’était pas en contact étroit avec la dent, présentant un espace mineur de moins de 1 mm entre le bord incisif ou occlusal et l’aligneur. Un défaut d’ajustement notable désignait un mauvais ajustement de l’aligneur avec un espace visiblement supérieur à 1 mm.
Matériels et méthodes : Cette étude comparative rétrospective multicentrique a analysé 3 323 évaluations portant sur 623 patients traités dans plusieurs centres aux États-Unis. Les performances de l’IA de DM ont été évaluées à l’aide d’un modèle binaire (ajustement satisfaisant vs défaut d’ajustement) et d’un modèle à trois niveaux (ajustement satisfaisant, léger défaut d’ajustement, défaut d’ajustement…
