Author:
Brouchet Edouard,de Brondeau François,Boileau Marie-José,Makaremi Masrour
Abstract
L’orthodontiste intervient principalement auprès d’enfants en cours de croissance. L’examen clinique initial ne fournit qu’une image statique qui doit être interprétée en tenant compte de son évolution potentielle. Une prédiction précise de la croissance mandibulaire, permettrait au praticien d’améliorer le diagnostic, la planification du traitement et ainsi la prise en charge du patient.
De nombreux travaux de recherche ont été menés, basés sur des signes structuraux, des analyses céphalométriques et des valeurs d’agrandissement moyen, mais restent imprécis. Les limites rapportées comprennent principalement une variabilité interindividuelle extrême, des schémas de croissance variables selon l’âge, un manque de signes structuraux caractéristiques avant la puberté, l’utilisation de normes statistiques et de résultats dépendant directement de l’expérience du clinicien. À ce jour, il n’existe aucun consensus sur la meilleure méthode pour prédire la croissance mandibulaire, et l’orthodontiste ne peut se fier uniquement à son intuition d’expert.
Ces dernières années, la combinaison de l’intelligence artificielle (IA) et des sciences cognitives dans le domaine médical a révolutionné l’interprétation des radiographies. Les techniques d’apprentissage automatique (ML) et profond (DL) représentent une approche novatrice grâce à leur capacité à analyser d’énormes volumes de données tout en éliminant les biais humains.
L’objectif de cette revue systématique était d’examiner les différents résultats des prévisions de croissance mandibulaire par intelligence artificielle chez des patients en cours de croissance. Ces résultats suggèrent que nous ne sommes encore qu’aux débuts de l’orthodontie tirant parti du diagnostic et de la prise de décision de l’IA, mais ces modèles de prévision de croissance devraient devenir, dans un avenir proche, des systèmes de support clinique fiables pour les orthodontistes.