Approche par apprentissage automatique pour l’estimation de l’âge chez l’adulte à partir de caractéristiques dentaires sur radiographies panoramiques

Pourquoi vos dents peuvent donner une indication sur votre âge

Au fil de la vie, nos dents enregistrent discrètement notre histoire personnelle : repas, accidents et visites chez le dentiste. Cette étude interroge dans quelle mesure ce registre peut révéler l’âge d’une personne à l’âge adulte, en utilisant des techniques informatiques modernes pour lire les motifs subtils présents dans des radiographies dentaires de routine.

Les dents comme conteuses de longue date

Chez les enfants et les adolescents, on peut estimer l’âge assez bien en observant la croissance et la formation des dents. Pour les adultes, en revanche, cette croissance est achevée, si bien que les experts doivent se tourner vers des changements accumulés au fil du temps, tels que l’usure des surfaces, les obturations, les couronnes, les implants et les dents manquantes. Ces indices sont utiles en médecine légale, où les enquêteurs doivent parfois restreindre l’identité possible d’une personne, et en anthropologie, où les chercheurs étudient les populations passées. Les approches traditionnelles additionnent généralement le nombre total de certains traitements ou états dentaires et injectent ces totaux dans une formule simple, mais cela fait perdre beaucoup de détails sur les dents précisément affectées et la nature des altérations.

Transformer une bouche pleine de détails en données exploitables

Les chercheurs ont travaillé avec 2 415 radiographies dentaires panoramiques d’adultes âgés de 20 à 89 ans. Sur chaque image, des observateurs formés ont étiqueté chaque dent selon l’une des neuf catégories faciles à reconnaître, comme saine, absente, obturée, couronnée ou implantée. Si une dent présentait deux caractéristiques simultanément, par exemple un traitement endodontique sous une couronne, les deux étaient enregistrés ensemble. Plutôt que de condenser toutes ces informations en quelques totaux, l’équipe a créé une carte numérique structurée pour chaque bouche qui conservait la trace de ce qui se passait à chaque position de la mâchoire. Cette carte a servi d’entrée tant aux formules statistiques traditionnelles qu’à une série de modèles d’apprentissage automatique.

Apprendre aux ordinateurs à lire les motifs dentaires

Pour évaluer la qualité des différentes méthodes d’estimation de l’âge, l’équipe a comparé la régression linéaire standard à six approches d’apprentissage automatique, incluant les forêts aléatoires et le gradient boosting. Ils ont utilisé une stratégie de test rigoureuse où les modèles étaient entraînés et testés de manière répétée sur des sous-ensembles différents des données, de sorte que chaque prédiction était faite sur des images que le modèle n’avait pas vues auparavant. Sur l’ensemble des hommes et des femmes, la meilleure formule traditionnelle faisait en moyenne environ 12 ans d’erreur, tandis que le meilleur modèle d’apprentissage automatique réduisait cette erreur à environ 11 ans et expliquait un peu plus de la variation d’âge.

Ce que les modèles ont appris de nos dents

Les chercheurs ont également ouvert la « boîte noire » de leurs meilleurs modèles pour voir quelles caractéristiques dentaires importaient le plus. Ils ont constaté que la présence de nombreuses dents saines et intactes avait tendance à faire baisser l’âge prédit, tandis qu’un plus grand nombre de dents absentes et de couronnes poussait les estimations vers le haut. Les dents postérieures contenaient généralement plus d’information liée à l’âge que les dents antérieures, probablement parce qu’elles sont plus sollicitées pour la mastication et sont plus souvent restaurées ou extraites. Malgré tout, les modèles avaient tendance à surestimer l’âge des jeunes adultes et à sous-estimer celui des adultes plus âgés, montrant que la relation entre l’historique dentaire et l’âge reste imparfaite.

Comment cela pourrait être utilisé dans la pratique

Pour l’instant, ces estimations d’âge basées sur ordinateur ne sont pas suffisamment précises pour être utilisées seules, en particulier lorsqu’il s’agit de déterminer l’âge exact d’un individu. Elles sont mieux considérées comme un élément de preuve supplémentaire pouvant étayer d’autres méthodes, telles que l’examen des os ou des mesures dentaires complémentaires. Le travail montre que conserver des informations détaillées dent par dent améliore ce que l’on peut extraire d’une simple radiographie, et que l’apprentissage automatique peut apporter des gains modestes par rapport aux anciennes formules. Avec des jeux de données plus grands et plus variés, et en combinant les caractéristiques d’image avec des dossiers cliniques, les futures versions de cette approche pourraient devenir des aides plus fiables en médecine légale et en décision clinique.

Citation: Lee, D., Oh, S., Hwang, S. et al. Machine learning approach for adult age estimation using dental characteristics on panoramic radiographs. Sci Rep 16, 14401 (2026). https://doi.org/10.1038/s41598-026-45271-0

Mots-clés: estimation de l’âge dentaire, radiographie panoramique, apprentissage automatique, odontologie légale, dents adultes