Utilisation de nouvelles approches en intelligence artificielle pour le diagnostic de lésions de la muqueuse orale

• Auteur / Autrice : Antoine Dubuc
• Direction : Sara Laurencin-Mc Manus, Sylvain Cussat-Blanc
• Type : Thèse de doctorat
• Discipline(s) : Epidémiologie
• Date : Soutenance le 23/05/2024
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : École doctorale Biologie Santé Biotechnologies (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre d'Epidémiologie et de Recherche en santé des Populations de Toulouse (2021-....)
• Jury : Examinateurs / Examinatrices : Anne-Gaëlle Chaux-Bodard, Julien Aligon
• Jury : Rapporteurs / Rapporteuses : Loredana Radoï Pervilhac, Adrian Basarab

Mots clés

Mots clés contrôlés

Diagnostic

Lésions et blessures

Muqueuse orale

Intelligence artificielle en médecine

Cancer -- Diagnostic

Bouche

Mots clés libres

Intelligence artificielle

Muqueuse buccale

Cancers oraux

Artificial Intelligence

Oral mucosa

Oral cancer

Résumé

Les pathologies de la muqueuse buccales présentent un polymorphisme clinique important. Cela concerne les dermatoses bénignes mais également les lésions cancéreuses et pré-cancéreuses. Un diagnostic précoce reste un élément clé de la prise en charge, en particulier des cancers de la cavité buccale. Cependant ce diagnostic demeure aujourd'hui trop tardif, que cela soit lié à la difficulté inhérente à la présentation clinique ou aux délais de rendez-vous en consultations de recours auprès de spécialistes du domaine, en nombre insuffisant. Il paraît donc utile de proposer des outils d'aide au diagnostic, fiables et destinés aux professionnels de la santé orale. Bien que l'intelligence artificielle utilisée dans le diagnostic dermatologique soit en plein essor, son application à la pathologie de la cavité buccale reste plus anecdotique. Nous avons adapté et évalué différentes approches d'intelligence artificielle puis développé un outil à destiné des professionnels de santé.

Clinical manifestations of oral mucosal pathologies exhibit significant polymorphism. This includes benign dermatoses, cancerous or even pre-cancerous lesions. Early diagnosis remains a key element of management, especially for oral cavity cancers. However, this diagnosis is currently often delayed, whether due to the inherent difficulty in clinical presentation or insufficient availability of specialist consultations, leading to extended waiting times. Therefore, it appears useful to propose reliable diagnostic support tools for oral healthcare professionals. While artificial intelligence in dermatological diagnosis is advancing rapidly, its application to oral cavity pathology is still relatively limited. We adapted and evaluated various artificial intelligence approaches and developed a tool intended for healthcare professionals.