Analyse radiographique assistée par l’IA pour détecter la sévérité et les motifs de la perte osseuse alvéolaire

Pourquoi cela compte pour votre prochaine visite chez le dentiste

La maladie des gencives ne se contente pas de provoquer des saignements : elle ronge en silence l’os qui maintient les dents en place. Les dentistes tentent de repérer ces dommages sur les radiographies dentaires, mais lire ces images est difficile et prend du temps, et les petits changements sont faciles à manquer. Cette étude montre comment l’intelligence artificielle (IA) peut aider les dentistes à mesurer plus rapidement et de manière plus cohérente la perte osseuse autour de chaque dent, ouvrant la voie à des traitements plus précoces et à de meilleures chances de sauver les dents.

L’os caché qui maintient les dents en place

Chaque dent est ancrée par un système de soutien composé de tissu gingival, de petits ligaments et d’os maxillaire. Lorsque des infections gingivales persistantes ne sont pas traitées, ce soutien se détériore progressivement, conduisant à la « perte osseuse alvéolaire », le retrait de l’os qui entoure les racines dentaires. Dans le monde, les formes sévères de ce dommage touchent environ une personne sur cinq de plus de 15 ans et constituent une cause majeure de perte de dents. Sur les radiographies, les dentistes évaluent la sévérité de cette perte en mesurant la distance entre un repère naturel à la surface de la dent et le bord supérieur de l’os environnant, et ils observent aussi la forme de ce bord osseux — s’il s’est affaissé de manière uniforme (perte horizontale) ou selon un motif en coin net (défaut angulaire). La quantité et la forme de la perte osseuse sont toutes deux importantes pour choisir le traitement adapté, notamment pour décider si des procédures de régénération osseuse sont susceptibles de fonctionner.

Pourquoi estimer les radiographies à l’œil nu ne suffit pas

Malgré son importance, l’évaluation de la perte osseuse sur les radiographies est encore largement réalisée à la main et dépend fortement de l’expérience et de la fatigue du clinicien. Deux praticiens peuvent donner des interprétations différentes d’une même image, et les cabinets très sollicités peuvent avoir du mal à examiner chaque surface dentaire en détail. Les tentatives précédentes d’utiliser l’IA dans ce domaine pouvaient souvent indiquer si une perte osseuse était présente, ou donner une estimation grossière de sa sévérité, mais elles fournissaient rarement des mesures précises dent par dent et ne capturaient généralement pas à la fois la sévérité et le motif de la perte. Les auteurs de cet article ont cherché à construire un seul système automatisé capable de faire les deux tâches : mesurer combien d’os manque et classer si la perte est horizontale ou angulaire, en utilisant le type de radiographies rapprochées que les dentistes prennent déjà dans les soins courants.

Comment l’IA lit les radiographies dentaires

L’équipe a utilisé une collection publique de 1 000 radiographies périapicales intra‑orales soigneusement annotées, chacune montrant plusieurs dents en détail. D’abord, un modèle d’IA a été entraîné à repérer et encadrer chaque dent dans l’image par un rectangle. À l’intérieur de chaque dent, une seconde famille de modèles a localisé trois points clés : la jonction émail‑cément près du bord gingival, l’apex de la racine et le point où le bord osseux visible croise la surface de la dent. En projetant ces points sur une ligne droite et en comparant leurs distances, le système a transformé les espacements en pixels en pourcentage de perte osseuse pour chaque dent. Un modèle séparé a tracé les contours des dents et des bords osseux, puis a converti ces formes en lignes fines. À chaque site où une perte osseuse était détectée, le logiciel a comparé l’inclinaison de la surface dentaire avec celle de la ligne osseuse ; des angles faibles signalaient des défauts angulaires, tandis que des lignes plus parallèles indiquaient une perte horizontale. Cette chaîne d’étapes a permis à l’IA de passer des radiographies brutes à des mesures détaillées et à des étiquettes de motif automatiquement.

Quelle a été la performance du système

Pour vérifier la fiabilité des mesures de l’IA, les chercheurs les ont comparées aux annotations d’experts et aux lectures manuelles d’un dentiste sur un ensemble distinct de radiographies. Pour la sévérité de la perte osseuse, l’accord entre le système et les experts humains a été jugé dans la plage « bonne » selon les statistiques standard de fiabilité, et la corrélation avec les estimations d’un clinicien expérimenté était forte. Pour les motifs de perte osseuse, l’IA a correctement distingué la perte horizontale de la perte angulaire dans environ neuf cas sur dix et a montré un accord modéré avec les décisions de l’expert. Le logiciel était également plus rapide qu’un lecteur humain : il pouvait analyser une radiographie complète en environ 25 secondes, contre 1 à 4 minutes pour un spécialiste, tout en examinant chaque surface dentaire de manière uniforme.

Ce que cela signifie pour les patients et les dentistes

L’étude suggère que l’IA peut devenir une paire d’yeux supplémentaire utile au cabinet dentaire, offrant des mesures objectives et répétables de l’ampleur de la perte osseuse et du type de dommage présent. Les dentistes prendraient toujours la décision finale, mais ils pourraient être alertés plus tôt de changements subtils, planifier les traitements avec plus de confiance et suivre si la thérapie ralentit ou arrête la perte osseuse au fil du temps. Bien que le système doive encore être testé en conditions réelles dans les cliniques quotidiennes, il ouvre la voie à un avenir où les radiographies dentaires de routine servent aussi d’outils précis, assistés par ordinateur, pour préserver l’os qui maintient nos dents en place.

Citation: Wimalasiri, C., Rathnayake, P., Wijerathne, S. et al. AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns. Sci Rep 16, 7974 (2026). https://doi.org/10.1038/s41598-026-38061-1

Mots-clés: parodontite, radiographies dentaires, intelligence artificielle, perte osseuse, apprentissage profond