Le Laboratoire Ateneo pour les environnements visuels intelligents (vivant) et les chercheurs internationaux ont développé un modèle d'apprentissage en profondeur qui vise à révolutionner la dentisterie, avec la capacité d'identifier les structures dentaires et sinusales dans les radiographies dentaires avec une précision de 98,2%.
En utilisant un algorithme de détection d'objets sophistiqué, le système a été spécifiquement formé pour aider à détecter rapidement et plus précisément la sinusite odontogène – une condition qui est souvent diagnostiquée à tort comme une sinusite générale et, si elle n'est pas contrôlée, pourrait répandre une infection au visage, aux yeux et même au cerveau.
La sinusite odontogène, causée par des infections ou des complications liées aux dents supérieures, est notoirement difficile à diagnostiquer. Ses symptômes – la congestion nasale, la décharge nasale nasale nauséabonde et ses douleurs dentaires occasionnelles – sont presque identiques à celles de la sinusite générale ordinaire. Pour aggraver les choses, seulement environ un tiers des patients éprouvent des douleurs dentaires notables, ce qui signifie que la condition est fréquemment négligée par les médecins généralistes. Le diagnostic traditionnel nécessite une collaboration entre les dentistes et les otolaryngologistes, ce qui entraîne souvent un traitement retardé.
En formant des modèles d'apprentissage en profondeur sur les images de radiographie panoramique dentaire (DPR), les chercheurs ont trouvé un moyen de détecter les relations anatomiques clés, comme la proximité des racines dentaires avec les sinus – avec une précision sans précédent. L'étude a utilisé le modèle d'apprentissage en profondeur YOLO 11N, réalisant une précision impressionnante de 98,2%, surpassant les méthodes de détection traditionnelles.
Yolo (vous ne regardez qu'une seule fois) est un algorithme de détection d'objets de pointe connu pour sa vitesse et sa précision. Le modèle YOLO 11N, une version améliorée, est optimisé pour les tâches d'imagerie médicale, lui permettant d'identifier les dents et les structures sinusales avec une haute précision en un seul passage à travers l'image. Contrairement aux méthodes de diagnostic conventionnelles, qui nécessitent plusieurs étapes et une interprétation des experts, Yolo 11n identifie rapidement les zones affectées en temps réel, ce qui en fait un outil inestimable pour les professionnels dentaires.
Au-delà de la précision, cette approche axée sur l'IA offre également des avantages pratiques. Il minimise l'exposition des patients aux rayonnements en réduisant le besoin de tomodensitométrie, qui sont actuellement l'étalon-or pour diagnostiquer la sinusite odontogène. Il fournit également un outil de dépistage rentable, particulièrement utile dans les domaines limités en ressources où la technologie d'imagerie avancée peut ne pas être disponible. Et en signalant tôt les cas potentiels, le système permet une intervention rapide, de prévenir les complications et de réduire le fardeau des prestataires de soins de santé.
Cette percée met en évidence le rôle croissant de l'IA dans les diagnostics médicaux, combler les lacunes où l'expertise humaine seule peut échouer. Avec une validation supplémentaire, cette technologie pourrait devenir un outil standard dans les cliniques dentaires et ORL, garantissant que davantage de patients reçoivent des diagnostics en temps opportun et précis.
La tête de l'Alive, la Dre Patricia Angela R. Abu, et ses collègues de l'hôpital Chang Gung Memorial de Taiwan, de l'Université nationale de Cheng Kung, de l'Université chrétienne de Chung Yuan et de l'Université de technologie de Ming Chi ont publié leurs conclusions dans la revue, « Bioensineering ».
