Résumé en 1 minute
Plusieurs études publiées en 2025 et 2026 démontrent que des modèles de deep learning peuvent détecter des lésions orales malignes et potentiellement malignes avec une haute précision à partir d’images cliniques et histopathologiques.
Une étude publiée dans Scientific Reports (2025) a entraîné les modèles DenseNet201 et FixCaps avec 518 images de la cavité buccale pour le dépistage de lésions potentiellement malignes, montrant des résultats prometteurs en classification automatique. En parallèle, des chercheurs du Chinese PLA General Hospital ont développé un modèle basé sur un endoscope oral portable qui capture des images intraorales et les analyse en temps réel via des réseaux U-Net et ResNet-34.
Un développement particulièrement pertinent pour la pratique clinique est un système publié dans Applied Sciences (2025) qui combine un chatbot avec des réseaux de neurones convolutifs pour le triage des symptômes et la détection précoce, avec un temps d’inférence inférieur à 5 secondes par image.
Une autre étude dans Expert Review of Medical Devices a rapporté des modèles atteignant jusqu’à 99% de spécificité et 97,5% de précision dans la classification des lésions orales par images de smartphone.
La plupart de ces systèmes sont encore en phase de validation, mais la tendance indique des outils de dépistage accessibles au cabinet dentaire qui pourraient compléter l’examen clinique conventionnel.
Sources :
- Desai et al. Scientific Reports, 2025 — Lire l’étude
- Applied Sciences, 2025 — Lire l’étude