LO
Capacité techniqueAutomatisation cognitive2019-06-11
Un modèle d'apprentissage profond a détecté la perte osseuse parodontale sur des radiographies panoramiques avec une exactitude de 0,81 contre 0,76 pour six chirurgiens-dentistes, un écart non significatif, ont rapporté des chercheurs
Hygiéniste dentairepage du métier →
Date de l'événement / signalement
2019-06-11
Stade de la preuve
Capacité techniqueUne démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.
Tâches concernées
Prise et examen des radiographies
Prendre des radiographies rétrocoronaires (bitewing) et rétroalvéolaires et repérer ce que le chirurgien-dentiste devrait regarder.
Augmentée✓ Appuyé sur des preuves
Où ceci s'applique
Une étude qui a entraîné un réseau de neurones convolutif sur 2 001 segments d'images issus de radiographies panoramiques pour détecter la perte osseuse parodontale, en le comparant à six chirurgiens-dentistes. L'exactitude moyenne du modèle était de 0,81 contre 0,76 pour les chirurgiens-dentistes, sans supériorité statistiquement significative ; les auteurs décrivent une capacité de discrimination au moins comparable. Des segments d'images dans une étude, pas un usage clinique.
Ce que cela veut dire
Repérer une perte osseuse sur une radiographie est une chose qu'un modèle fait déjà à peu près aussi bien que des chirurgiens-dentistes.
Ce que cela ne montre pas encore
Des segments d'images dans une étude de 2019 ; pas un test en pratique, et pas de comparaison avec des hygiénistes.
Ce que vous pouvez vérifier
Ouvrez l'article de Scientific Reports sur l'apprentissage profond pour la perte osseuse parodontale et cherchez « not statistically significant superior ».
Cela change-t-il l'évaluation ?
Non — et ce stade ne le déplace pas non plus. Un dossier de type « Capacité technique » est une preuve réelle, mais il ne fait pas monter d'un cran un jugement de tâche à lui seul. 1 jugement lié ci-dessus reste là où il était.
Source
Krois et al. — Deep Learning for the Radiographic Detection of Periodontal Bone Loss, Scientific Reports 9 (published 11 June 2019) · vérifié 2026-09-30 · Claude (VOLO agent) · interprété 2026-09-30 · Claude (VOLO agent)
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.