L'évolution technologique de l'identification humaine : un enjeu majeur pour l'odontologie médico-légale

L'odontologie médico-légale joue un rôle crucial dans l'identification humaine, particulièrement lors de catastrophes de masse, d'enquêtes criminelles ou pour l'analyse de restes non identifiés. Pour le chirurgien-dentiste, la précision des dossiers cliniques devient un maillon essentiel de la chaîne de justice et de santé publique.

Cette revue de littérature qualitative et descriptive examine les avancées majeures du secteur entre 2010 et 2025. L'objectif est d'évaluer l'impact des technologies émergentes, notamment l'intelligence artificielle (IA) et les méthodes numériques, sur la fiabilité des procédures d'identification.

L'étude repose sur l'hypothèse que l'intégration de l'imagerie numérique avancée et de l'automatisation par l'IA transforme les pratiques traditionnelles en augmentant la précision et l'efficacité des examens post-mortem.

Méthodologie de l'étude

Les chercheurs ont analysé les innovations technologiques documentées sur une période de 15 ans (2010-2025), en se concentrant sur les critères suivants :

• Technologies d'imagerie : Radiographie numérique et tomographie volumique à faisceau conique (CBCT).
• Méthodes d'examen : Autopsie virtuelle (virtopsie) non invasive.
• Outils d'analyse : Algorithmes d'intelligence artificielle pour la reconnaissance de formes.

L'IA et le numérique : vers une automatisation de la comparaison dentaire

L'intégration de l'intelligence artificielle marque un tournant dans l'analyse des images dentaires. Les algorithmes d'IA facilitent l'appariement des dossiers dentaires ante-mortem et post-mortem grâce à une reconnaissance de formes améliorée et une modélisation prédictive. Ces outils permettent de réduire les erreurs humaines et d'accélérer les processus d'identification dans des contextes d'urgence.

Imagerie avancée et virtopsie : la précision non invasive

Le passage de la radiographie conventionnelle au CBCT et à la virtopsie offre une vision tridimensionnelle détaillée des structures bucco-dentaires sans altérer les restes humains. Ces méthodes numériques permettent une conservation intègre des preuves tout en offrant une précision accrue dans l'examen des tissus durs et des dispositifs prothétiques ou implantaires présents.

Défis éthiques et intégration juridique

Malgré les performances techniques, l'étude souligne que l'adoption de ces technologies se heurte à plusieurs obstacles. Les préoccupations éthiques, la confidentialité des données numériques, les biais algorithmiques potentiels et la nécessité d'une intégration dans les cadres légaux actuels restent des points de vigilance majeurs pour la profession.

Concrètement, pour le praticien :

• Label : Rigueur documentaire : Maintenez des dossiers radiographiques numériques (RVG, CBCT) systématiquement datés et archivés, car ils constituent la base de l'identification par comparaison automatisée.
• Label : Standardisation des protocoles : Adoptez des protocoles de saisie de données standardisés pour faciliter l'interopérabilité avec les systèmes d'IA médico-légaux en cas de réquisition.
• Label : Collaboration interdisciplinaire : Renforcez vos connaissances sur les outils numériques non invasifs pour collaborer efficacement avec les autorités lors d'expertises odontologiques.

Lexique technique de l'étude

Odontologie médico-légale : Branche de la dentisterie traitant de l'examen et de l'évaluation des preuves dentaires pour les procédures judiciaires.

Virtopsie : Technique d'autopsie virtuelle utilisant l'imagerie médicale (scanner, IRM) pour examiner un corps de manière non invasive.

CBCT (Cone Beam Computed Tomography) : Technique d'imagerie radiographique tridimensionnelle permettant une analyse précise des structures minéralisées maxillo-faciales.

Intelligence Artificielle (IA) : Systèmes informatiques capables de simuler des processus cognitifs humains, tels que l'apprentissage et la reconnaissance de motifs complexes.

Modélisation prédictive : Utilisation de données et d'algorithmes pour estimer des probabilités de résultats ou identifier des caractéristiques spécifiques à partir de modèles établis.

Information destinée aux professionnels de santé. Ce contenu peut comporter des erreurs ou des résumés tronqués. Nous recommandons de toujours vérifier avec l'article source original. Delynov se décharge de toute responsabilité quant à l'utilisation de ces informations. Ce document n'est pas destiné aux patients ni au grand public.