L’intelligence artificielle (IA) est un domaine en grand développement qui trouve de plus en plus d’applications dans différents systèmes tels que les moteurs de recherche, la reconnaissance d’images, la modération automatique des réseaux sociaux, les prédictions financières, les voitures automatiques ou bien encore le diagnostic médical. Toutes ces applications reposent sur un type d’intelligence artificielle particulier appelé apprentissage profond qui implique que l’ordinateur est capable d’apprendre par lui-même à effectuer une tâche donnée, et non plus simplement à exécuter des règles prédéterminées par la programmation. En médecine, l’apprentissage profond se prévaut de grandes performances qui concernent essentiellement l’analyse d’images à visée diagnostique et pronostique.
Le premier article rapporté propose une revue systématique de la littérature sur les apprentissages profonds employés en odontologie. Elle n’inclut que 2 articles parus en 2016, 9 en 2017 et 14 en 2018, ce qui montre la nouveauté de ce procédé sur lequel peu d’études sont parues. Toutes reposent sur des analyses d’images dont l’origine peut être des clichés ou coupes radiographiques, des données de CBCT, des images de fluorescence, des photographies de faces ou des empreintes optiques. Les domaines étudiés concernent principalement la dent (particularité anatomique ou présence de caries), le parodonte, l’arcade dentaire, l’ostéoporose des maxillaires ou encore la recherche et la mise en évidence d’éléments anatomiques spécifiques. Les auteurs expliquent que d’importants efforts de collecte de données partagées (« publiques ») à intégrer dans ces systèmes sont nécessaires pour atteindre un niveau de précision de 98-99 % souhaitable afin d’envisager une utilisation dans le cadre d’applications cliniques. Dans l’exemple d’analyse d’examens par CBCT qui sont très employés en odontologie…
