L’apprentissage automatique utilise des algorithmes qui ont appris à partir de données à produire des modèles adaptables capables d’effectuer une variété de tâches complexes. La plupart des études suggèrent que si l’oncompareunspécialisteenpathologie buccale ou en radiologie buccale à un système d’intelligence artificielle, ils atteignent presque les mêmes niveaux d’exactitude et de précision. Les deux ont une exactitude de 92 à 98 %. Divers types d’IA L’IA englobe un ensemble de technologies et peut se définir comme « le travail accompli par une machine ou un ordinateur qui nécessiterait normalement l’intelligence humaine, explique le Dr Nguyen. L’IA peut apprendre, créer de nouvelles connaissances et résoudre des problèmes grâce à l’apprentissage automatique. » L’apprentissage automatique utilise des algorithmes qui ont appris à partir de données à produire des modèles adaptables capables d’effectuer une variété de tâches complexes. Les programmes de reconnaissance faciale constituent une application commune de l’apprentissage automatique. Ces algorithmes analysent et traitent les caractéristiques de visages à partir d’images ou de vidéos, ce qui permet au système d’apprendre des modèles et des caractéristiques propres à chaque visage. Selon le Dr Nguyen, il y a des idées fausses sur le genre de tâches que peut accomplir l’IA. «Par exemple, ChatGPT est un outil qui sert à écrire. C’est ce qu’il fait. Si vous lui demandez de prédire quand le Bitcoin atteindra un million de dollars, il ne peut pas le faire. Il se concentre uniquement sur la langue », détaille-t-il. L’IA et la médecine dentaire «À l’heure actuelle, l’application la plus solide de l’IA en médecine dentaire est celle de la vision par ordinateur », est d’avis le Dr Nguyen. Celle-ci permet aux ordinateurs d’analyser et de comprendre le monde visuel. En utilisant des images numériques et des modèles d’apprentissage profond, les ordinateurs peuvent identifier et classer avec précision certains objets. «Nous pourrions nous en servir en pathologie buccale ou en radiologie pour formuler des diagnostics et repérer différentes structures sur une radiographie, poursuit-il. La plupart des études suggèrent que si l’on compare un spécialiste en pathologie buccale ou en radiologie buccale à un système d’intelligence artificielle, ils atteignent presque les mêmes niveaux d’exactitude et de précision. Les deux ont une exactitude de 92 à 98 %. Mais il faut environ 28 à 30 minutes à un spécialiste pour établir un diagnostic juste, alors qu’il faut environ 30 à 32 secondes à l’IA. » En médecine dentaire, le diagnostic des caries peut être controversé et quelque peu subjectif. «Nous ne sommes pas toujours d’accord d’un dentiste à l’autre, avoue le Dr Nguyen. Et un système d’IA pourrait aider à cerner des zones, mais il reviendrait tout de même au clinicien de décider quoi faire. Surveiller la carie? La traiter? L’IA est un outil pour faciliter la prise d’une décision clinique. » Le Dr Nguyen estime que l’IA pourrait servir en endodontie à identifier le second canal mésiobuccal (MB2). «De plus en plus de patients ont un implant dentaire. Or, s’il devient défectueux des années après son installation, les patients ne peuvent souvent pas nous fournir les L’apprentissage profond est un sous-domaine de l’apprentissage automatique qui se différencie par l’utilisation d’un nombre supérieur de données. Si l’apprentissage automatique utilise des milliers de points de données, l’apprentissage profond en utilise des millions. «L’apprentissage profond imite la façon dont le cerveau humain apprend, souligne le Dr Nguyen. Il fonctionne grâce à un réseau de neurones. On peut lui donner une multitude d’informations non étiquetées ni liées les unes aux autres, et un réseau neuronal d’apprentissage profond les classera seul et trouvera sa propre logique pour apprendre de nouvelles informations ou compétences.» Dans un réseau de neurones, il y a des couches cachées entre les entrées et les sorties de l’algorithme; c’est là que l’algorithme travaille, analyse l’information, la traite et la transforme en sortie. «Certains réseaux de neurones peuvent comprendreplusieurs couches cachées», décrit leDrNguyen. Ces couches permettent à l’IA d’être aussi complexe. Elles créent des algorithmes complexes qui ne sont pas facilement compréhensibles pour les humains. Les couches cachées font qu’il est difficile de comprendre comment un système d’IA traite les données pour arriver à des prédictions ou des décisions. «Nous ne voyons que les résultats, précise le Dr Nguyen. Mais la somme des données d’entrée est énorme. Par exemple, pour ChatGPT, ces données comprennent la majeure partie de l’ensemble de l’Internet jusqu’en 2021. Et les sorties forment les conversations que vous pouvez avoir avec l’application.» 23 Numéro 6 | 2023 | Point de mire
RkJQdWJsaXNoZXIy OTE5MTI=