Pré-diagnostique assisté par apprentissage automatique pour la santé dentaire des enfants en Mongolie

Abstract

Abstract : ArtiĄcial Intelligence has become increasingly vital in dental health due to its ability to enhance diagnostics and treatment planning. It improves the accuracy of dental imaging, aiding in the early detection of oral conditions. Moreover, AIŠs role in analyzing patient data contributes to personalized treatment plans and advancements in dental healthcare. It extends its reach to public health by assessing oral health trends on a broader scale, informing policy development. In essence, ArtiĄcial Intelligence is revolutionizing dental health, promising improved patient outcomes and increased access to quality care. This project aimed to create a "Remote System for Dental Prediagnosis" for children, using machine and deep learning models based on questionnaire data and dental images. The study included 425 children under 6 from Mongolia, with dental examinations and questionnaire surveys conducted. Machine learning algorithms like Random Forest, Gradient Boosting, Logistic Regression , Adaptive Boosting, and Support Vector MAchine were used to predict questionnaire outcomes, while a YOLOv8 deep learning model detected and localized caries in images. The Random Forest model achieved the best accuracy and precision at 76%, while the YOLOv8 model effectively detected and classiĄed caries in images. In conclusion, this project has the potential to enhance remote dental health consultations.***

Résumé : LŠintelligence artiĄcielle (IA) est devenue de plus en plus essentielle dans le domaine de la santé dentaire en raison de sa capacité à améliorer les diagnostics et la planiĄcation des traitements. Elle améliore la précision de lŠimagerie dentaire, aidant à la détection précoce des affections buccales. De plus, le rôle de lŠIA dans lŠanalyse des données des patients contribue à des plans de traitement personnalisés et à des avancées dans les soins dentaires. Elle étend son impact à la santé publique en évaluant les tendances de la santé bucco-dentaire à une plus grande échelle, ce qui informe le développement de politiques. En résumé, lŠIA révolutionne la santé dentaire en promettant de meilleurs résultats pour les patients et un accès accru à des soins de qualité. Ce projet visait à créer un "Système à distance de prédépistage dentaire" pour les enfants, en utilisant des modèles dŠapprentissage automatique et dŠapprentissage profond basés sur des données de questionnaires et des images dentaires. LŠétude a inclus 425 enfants de moins de 6 ans de Mongolie, avec des examens dentaires et des enquêtes par questionnaire. Des algorithmes dŠapprentissage automatique tels que Random Forest, Gradient Boosting, Logistic Regression , Adaptive Boosting, et Support Vector ont été utilisés pour prédire les résultats des questionnaires, tandis quŠun modèle dŠapprentissage en profondeur YOLOv8 détectait et localisait les caries sur les images. Le modèle Random Forest a atteint la meilleure précision et la meilleure précision à 76%, tandis que le modèle YOLOv8 détectait et classait efficacement les caries sur les images. En conclusion, ce projet a le potentiel dŠaméliorer les consultations de santé dentaire à distance.