Multicenter Evaluation of the Accuracy and Clinical Reliability of an Artificial Intelligence- Based System for Skeletal Maturity Indicators Staging

Les enfants en pleine croissance ne font pas que grandir en taille ; leurs corps subissent une transformation interne complexe où les os se durcissent, les articulations fusionnent et les poussées de croissance s'accélèrent puis ralentissent. Pour les orthodontistes, le moment du traitement est primordial. Déplacer les dents ou guider la croissance de la mâchoire fonctionne mieux lorsque le corps se trouve dans une phase spécifique de ce développement biologique, une fenêtre d'opportunité qui a peu à voir avec l'âge réel de l'enfant en années et tout à voir avec son âge squelettique. Pour trouver cette fenêtre, les médecins s'appuient depuis longtemps sur des radiographies de la main et du poignet, en examinant les petits os de la main et du poignet pour voir jusqu'où l'enfant est engagé dans sa maturation physique. Ce processus nécessite toutefois l'intervention d'un expert humain qui examine soigneusement l'image, identifie des formes osseuses spécifiques et attribue un stade au développement du patient. C'est une compétence qui demande des années pour être maîtrisée et qui, comme toute tâche humaine, peut varier d'un médecin à l'autre.

Alors que l'intelligence artificielle a commencé à assister de nombreux domaines de la médecine, les chercheurs se sont demandé si un programme informatique pourrait lire ces radiographies avec le même soin et la même cohérence qu'un spécialiste humain. Une nouvelle étude publiée par une équipe de l'Université Yonsei en Corée du Sud a cherché à tester un système logiciel commercial conçu précisément pour cela. Les chercheurs voulaient savoir si cette intelligence artificielle pouvait déterminer de manière fiable le stade de maturité squelettique d'un enfant à travers différents hôpitaux et pour différents types de patients, ou si elle ne fonctionnerait bien que dans un cadre contrôlé et localisé. Ils ont rassemblé un large groupe de patients provenant de deux hôpitaux dentaires distincts, couvrant une vaste gamme d'âges et de modes de croissance, pour voir si l'ordinateur pouvait égaler le jugement de spécialistes en orthodontie expérimentés.

L'étude consistait à examiner les dossiers médicaux et les radiographies de la main et du poignet de 595 patients, âgés de six à dix-huit ans, qui avaient visité l'un des deux hôpitaux affiliés à des universités en Corée du Sud. Dans ces hôpitaux, les patients avaient subi des évaluations orthodontiques standards, comprenant la prise de radiographies de la tête et des mains. Les chercheurs ont d'abord établi un « étalon de référence » pour chaque patient en demandant à des spécialistes en orthodontie expérimentés d'examiner les radiographies et de les recouper avec les dossiers médicaux des patients. Dans les cas où les spécialistes n'étaient pas d'accord, un troisième expert était sollicité pour rendre la décision finale. Ce stade dérivé de l'humain a servi de point de référence contre lequel l'intelligence artificielle a été testée. Le logiciel informatique, qui n'avait jamais vu ces radiographies spécifiques auparavant, a ensuite analysé les images de manière autonome pour prédire le même stade de maturité.

Les résultats ont montré que le système d'intelligence artificielle fonctionnait avec un haut degré de cohérence et de fiabilité. En comparant les prédictions de l'ordinateur aux décisions finales des experts humains, les deux concordaient exactement dans 73 % des cas. Si les chercheurs accordaient une marge d'erreur d'un seul stade vers le haut ou vers le bas, l'accord passait à 96 %. Cela signifie que dans presque tous les cas, l'ordinateur était soit parfaitement exact, soit en décalage d'une quantité très faible et cliniquement insignifiante. Le système s'est avéré tout aussi efficace dans les deux hôpitaux, malgré le fait que les deux établissements utilisaient des machines de radiographie différentes et possédaient des populations de patients différentes. L'analyse statistique a confirmé que la localisation de l'hôpital n'influençait pas l'exactitude des résultats, suggérant que le logiciel est suffisamment robuste pour fonctionner dans des environnements cliniques variés sans avoir besoin d'être réentraîné pour chaque nouveau cadre.

L'étude a également révélé que l'exactitude du système n'était pas uniforme parmi tous les groupes de personnes. L'ordinateur était nettement plus précis lors de l'évaluation des patientes féminines que des patients masculins. Plus précisément, il correspondait exactement aux experts 76 % du temps pour les filles, contre 6 69 % pour les garçons. Une investigation plus approfondie a montré que cette différence était dictée par le stade de la puberté. Le système était plus précis pour les filles ayant déjà commencé leur cycle menstruel, rejoignant les experts 84 % du temps. Pour celles qui n'avaient pas encore atteint ce jalon, la précision chutait pour atteindre celle des garçons. Cela suggère que les changements squelettiques survenant après l'apparition des menstruations sont peut-être plus distincts ou plus faciles à reconnaître pour l'algorithme que les changements survenant avant celle-ci. Curieusement, le type de relation mandibulaire d'un patient — que ses mâchoires supérieure et inférieure soient alignées normalement, proéminentes ou en retrait — n'a pas affecté la capacité de l'ordinateur à lire les radiographies. Le système a fonctionné tout aussi bien, quel que soit ce profil squelettique.

En examinant les stades spécifiques de développement, l'ordinateur a excellé dans l'identification du tout début et de la toute fin du processus de croissance. Il était presque parfait pour reconnaître le stade initial du développement et le stade final où la croissance est terminée. Ce sont des moments critiques pour la planification du traitement, car savoir quand la croissance est terminée est essentiel pour décider de poursuivre une chirurgie ou de continuer les bagues. Le système était moins précis dans les stades intermédiaires, particulièrement autour du pic de la poussée de croissance, où le taux de correspondance exacte était plus faible. Cependant, même dans ces étapes intermédiaires difficiles, l'ordinateur commettait rarement une erreur majeure. Il devinait presque toujours un stade qui était juste adjacent au stade correct, plutôt que de bondir loin devant ou de rester loin derrière. Ce type d'erreurs de proximité est beaucoup moins dangereux dans un cadre clinique qu'une erreur large et aléatoire, car il maintient le plan de traitement dans une plage sûre et logique.

Les chercheurs ont conclu que ce système d'intelligence artificielle est un outil hautement fiable qui peut soutenir les orthodontistes dans leur pratique quotidienne. En fournissant une évaluation cohérente et rapide de la maturité squelettique, le logiciel peut aider les médecins à déterminer le moment optimal du traitement avec une plus grande confiance. L'étude a démontré que le système fonctionne bien dans différents hôpitaux et pour un groupe diversifié de patients, avec la notable exception qu'il est actuellement légèrement plus performant pour les filles ayant passé le stade de l'apparition des menstruations. Bien que l'ordinateur ne soit pas parfait, sa capacité à éviter les erreurs majeures et son taux élevé de concordance avec les experts humains suggèrent qu'il est prêt à être utilisé comme une aide précieuse dans des contextes cliniques réels, aidant à garantir que le traitement orthodontique est administré au moment le plus efficace de la croissance de l'enfant.