Apport de l'intelligence artificielle dans la prévision de croissance mandibulaire : revue systématique de la littérature
Langue
FR
Thèse d'exercice
Date de soutenance
2024-05-03Spécialité
thèse d'exercice d'odontologie
Résumé
Une prédiction précise la croissance mandibulaire permettrait au praticien d'améliorer le diagnostic, la planification du traitement et ainsi la prise en charge du patient. L'analyse céphalométrique est l’outil qui est ...Lire la suite >
Une prédiction précise la croissance mandibulaire permettrait au praticien d'améliorer le diagnostic, la planification du traitement et ainsi la prise en charge du patient. L'analyse céphalométrique est l’outil qui est jusqu’à présent le plus couramment utilisé, mais présente des limites. Ces dernières années, la combinaison de l'intelligence artificielle (IA) et des sciences cognitives dans le domaine de l'imagerie médicale a révolutionné l'interprétation des radiographies. Les apprentissages automatique (ML) et profond (DL) représentent une approche innovante grâce à leurs capacités à analyser des volumes de données très importants, tout en se libérant des biais humains. Une revue systématique de la littérature a donc été réalisé pour étudier les différents résultats des prévisions de croissance mandibulaire par intelligence artificielle chez des patients en cours de croissance et en absence d’intervention orthodontique. 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.< Réduire
Résumé en anglais
The orthodontist mainly works with children who are growing. The initial clinical examination only provides a static image which must be interpreted considering its potential evolution. An accurate prediction of mandibular ...Lire la suite >
The orthodontist mainly works with children who are growing. The initial clinical examination only provides a static image which must be interpreted considering its potential evolution. An accurate prediction of mandibular growth would allow the practitioner to improve diagnosis, treatment planning and thus patient care. Much research has been carried out, based on structural signs, cephalometric analyzes and average magnification values, but remains imprecise. Reported limitations mainly include extreme interindividual variability, age-varying growth patterns, lack of characteristic structural signs before puberty, use of statistical standards and results directly dependent on clinician experience. To date, there is no consensus on the best method for predicting mandibular growth, and the orthodontist cannot rely on expert intuition alone. In recent years, the combination of artificial intelligence (AI) and cognitive science in the medical field has revolutionized the interpretation of x-rays. Machine learning (ML) and deep learning (DL) techniques represent an innovative approach thanks to their ability to analyze huge volumes of data while eliminating human bias. The objective of this systematic review was to examine the different results of mandibular growth predictions using AI in growing patients. These results suggest that we are still in the early days of orthodontics leveraging AI diagnosis and decision-making, but these growth prediction models are expected to become clinical support systems in the near future reliable for orthodontists.< Réduire
Mots clés
Croissance et développement
Mandibule
Croissance mandibulaire
Prévision de croissance
Orthodontie
Intelligence artificielle
Apprentissage profond
Mots clés en anglais
Growth and development
Mandible
Mandibular growth
Growth prediction
Orthodontics
Artificial intelligence
Deep learning
Unités de recherche