5

Introduction : Les analyses céphalométriques manuelles, fastidieuses souffrent d’un défaut de reproductibilité (erreurs de tracé et de mesure), rendant la perspective d’un algorithme totalement automatisé séduisante. Les objectifs de l’étude étaient d’évaluer le positionnement (justesse et précision) de repères courants par deux logiciels proposant une détection par intelligence artificielle (WebCeph™ et DentaliQ®) par rapport à une référence manuelle puis de les comparer. Matériels et méthodes : 68 téléradiographies de profils ont été sélectionnées, 22 repères ont été placés manuellement puis les écarts entre ce gold standard et les points positionnés par chaque logiciel ont été mesurés, ainsi que le taux de détection avec succès (ou Success Detection Rate, SDR). L’analyse statistique a été effectuée par « ellipses de confiance » et t-test bilatéral (p-value de 5 %). Résultats : En termes de précision, WebCeph™ et DentaliQ® affichent un SDR à 2 mm de 57,2 % et 66,5 % respectivement. En termes de justesse, les meilleurs résultats sont obtenus pour S, Na et les bords incisifs. Des erreurs aléatoires importantes sont trouvées pour les points Po, So, ENA, ENP, Ba et Go. D’autres points comme Pog et B présentent une grande dispersion verticale. Globalement, un léger avantage revient à DentaliQ®, même si la différence n’est pas significative. Discussion : La précision de détection mesurée semble encore insuffisante pour une utilisation sans supervision humaine. Les résultats s’avèrent prometteurs sur la détection de certains points, l’intelligence artificielle permettant un gain de temps, mais le repositionnement des points doit rester possible. Conclusion : Les progrès sont rapides et permettront probablement prochainement une utilisation clinique efficiente.

Introduction : Manual, tedious cephalometric analyzes of a lack of productivity (errors in plotting and measurement) making the prospect of a fully automated algorithm turning out attractive. The objectives of the study were to evaluate the positioning (accuracy and precision) of common landmarks by two software programs offering detection by artificial intelligence (WebCeph™ and DentaliQ®) compared to a manual reference and then to the comparators. Materials and methods : 68 lateral cephalograms were selected, 22 landmarks were distributed manually and then the differences between this gold standard and the points detected by each software were measured, as well as the success detection rate (SDR). Statistical analysis was carried out by “confidence ellipses” and two-tailed t-test (p-value of 5%). Results : In terms of accuracy, WebCeph™ and DentaliQ® show a 2 mm SDR of 57.2% and 66.5% respectively. In terms of trueness, the best results are obtained for S, Na and the incisal edges. Large random errors are found for the points Po, So, ENA, ENP, Ba and Go. Other points like Pog and B show a large vertical dispersion. Overall, a slight advantage goes to DentaliQ® even if the difference is not significant. Discussion : The detection precision still seems insufficient for an utilization without human supervision. The results are promising on the detection of certain points. The artificial intelligence saves time for the clinician but the change of positioning of points should still be possible. Conclusion : Advances are rapid and will probably be soon for an effective clinical use.