Cosa l'intelligenza artificiale vede (e non ancora) su una radiografia di perimplantite

La diagnosi radiografica della perimplantite è tradizionalmente operatore-dipendente, e la perdita ossea marginale misurabile viene spesso rilevata solo quando la malattia è già in fase avanzata. Questa revisione ampia si propone di sintetizzare le evidenze sugli approcci radiografici basati sull'intelligenza artificiale (IA) per la rilevazione della perimplantite, la quantificazione della perdita ossea marginale e la stratificazione del rischio. Gli autori hanno condotto una ricerca su PubMed e Scopus per studi originali pubblicati tra il 2013 e il 2025 che applicassero machine learning o deep learning alla valutazione dell'osso perimplantare, con metriche di performance quantitative. Dieci studi hanno soddisfatto i criteri di inclusione (su undici individuati inizialmente, di uno non è stato possibile recuperare il testo integrale), e per ciascuno sono state estratte modalità di imaging, architettura IA, strategia di validazione e rilevanza clinica per una sintesi qualitativa.

La maggior parte degli studi utilizzava radiografie endorali periapicali, mentre solo pochi si basavano su ortopantomografie o imaging combinato. Le architetture riportate comprendevano modelli di object-detection e segmentazione (varianti YOLO, Faster R-CNN, Mask R-CNN, U-Net) oltre a reti di classificazione (ResNet, AlexNet). Le performance sono risultate generalmente incoraggianti per compiti come la localizzazione dell'impianto, il rilevamento della perdita ossea, l'identificazione di keypoint all'interfaccia osso-impianto e la classificazione della gravità. Un solo studio si è spinto oltre, tentando di prevedere l'esito clinico anziché descrivere semplicemente lo stato osseo attuale.

Nonostante questi risultati promettenti, la revisione è chiara sui limiti: tutti gli studi inclusi erano retrospettivi e validati solo internamente, gli standard di riferimento per la perdita ossea variavano tra gli studi, e i dati clinici (fumo, igiene orale, design protesico) venivano raramente integrati nei modelli. Questo limita la generalizzabilità dei risultati alla popolazione clinica quotidiana.

Per il clinico, il messaggio pratico è che l'analisi radiografica assistita da IA è uno strumento adiuvante ancora in maturazione — capace, in prospettiva, di segnalare perdite ossee marginali precoci o sottili che l'occhio umano potrebbe non cogliere in un richiamo affollato — ma non ancora pronto a sostituire il giudizio clinico o i protocolli radiografici standardizzati. Gli autori auspicano studi prospettici multicentrici con validazione esterna, serie di imaging longitudinali e modelli che integrino imaging e fattori di rischio clinici prima che gli strumenti di IA possano essere raccomandati per lo screening di routine della perimplantite.