Précision d'un système hybride basé sur les connaissances cliniques et l'IA pour la détection de la parodontite dans les images OPG

La parodontite est un problème de santé publique majeur en raison de sa forte prévalence dans le monde, de ses impacts socio-économiques importants et de ses effets considérables sur la qualité de vie des individus. Cependant, la parodontite reste largement méconnue dans la population. Il est crucial de sensibiliser à la santé parodontale et d’améliorer le diagnostic précoce de la parodontite afin de garantir une intervention rapide.

La Classification 2018 des maladies et affections parodontales et péri-implantaires définit quatre stades de la parodontite allant du stade initial (stade I) au stade avancé (stade IV). Aux stades II à IV, des procédures de traitement complètes sont essentielles, sinon il existe un risque élevé de perte d'une dent, voire de la totalité de la dentition. Bien que les examens cliniques soient considérés comme la référence pour déterminer le stade de la parodontite, le processus est laborieux et prend du temps, et nécessite des spécialistes hautement expérimentés. Par conséquent, des approches alternatives rentables mais fiables et valides pour différencier le diagnostic de parodontite de stade II à IV, en particulier dans les communautés publiques, sont absolument nécessaires.

L'orthopantomographie (OPG), également connue sous le nom de radiographie panoramique, est une technique d'imagerie non invasive et à faible dose qui fournit une vue complète de la région maxillo-faciale en une seule procédure. En tant que radiographie extra-orale, elle présente des avantages pour capturer l'image, en particulier dans les cas où les patients ont du mal à ouvrir la bouche ou présentent un réflexe nauséeux prononcé qui gêne l'utilisation de films intra-oraux. Ainsi, l’OPG est probablement la radiographie dentaire la plus fréquemment prise dans le monde et peut potentiellement servir d’outil efficace pour différencier les parodontites de stade II à IV dans les populations. Récemment, plusieurs enquêtes ont été menées pour utiliser les images OPG pour le diagnostic de la parodontite. Cependant, les stratégies de ces études reposent sur les annotations radiographiques de points de repère spécifiques effectuées par les cliniciens, qui peuvent manquer d'une précision convaincante. De plus, seules les radiographies de haute qualité pourraient être un complément précieux pour le diagnostic de parodontite, c'est pourquoi de nombreuses images OPG disponibles avec superposition de structures anatomiques, grossissement disproportionné de l'image, distorsion et flou peuvent diminuer la généralisation du système développé.

L’intelligence artificielle (IA) est devenue un outil puissant dans divers domaines de la médecine, dont la dentisterie. Les algorithmes basés sur l'IA, en particulier les techniques d'apprentissage profond, ont montré des capacités remarquables en matière d'analyse d'images, de reconnaissance de formes et de prise de décision. Ces dernières années, l’intégration de la technologie de l’IA en dentisterie a ouvert de nouvelles voies pour améliorer la précision et l’efficacité du diagnostic. Les algorithmes basés sur l'IA pourraient être capables de reconnaître certaines caractéristiques des images OPG qui sont imperceptibles à l'œil humain, permettant ainsi de détecter une perte osseuse subtile et d'obtenir un diagnostic plus précis du stade parodontal.

Notamment, les résultats de notre récente étude ont révélé qu’un système hybride combinant des algorithmes d’IA et des connaissances cliniques présente de bonnes performances pour différencier les parodontites de stade II à IV. Dans le processus de développement de ce système hybride, seules les informations cliniques fournies par des spécialistes expérimentés ont été utilisées et aucune annotation radiographique n'a été utilisée. Malgré le potentiel prometteur du système hybride développé à partir de notre enquête initiale, il est essentiel de le former et de le valider davantage dans différentes populations indépendantes, car une règle de prédiction dérivée d'un échantillon pourrait mieux fonctionner dans un autre échantillon/population. En outre, il est raisonnable de supposer que les images OPG prises à partir de différentes machines peuvent grandement influencer la précision du système hybride développé. Par conséquent, il est logique de mener une étude multicentrique pour collecter différentes images OPG provenant de divers centres du monde entier et l'ensemble de données sera utilisé pour poursuivre la formation et valider le système hybride garantissant son exactitude et son efficacité dans le diagnostic de la parodontite.

Dans cette étude, nous comparerons les caractéristiques diagnostiques d'un nouveau système hybride basé sur l'IA (test d'index) avec un panel d'experts (norme de référence). Les experts évalueront de manière indépendante toutes les radiographies et parviendront à un accord si une divergence entre elles est constatée.