Intelligenza artificiale ed odontoiatria: alleata o nemica? Intervista al Dott. Riccardo Benzi Cipelli

Software che analizzano le radiografie dente per dente, algoritmi predittivi capaci di vedere ciò che l’occhio umano non percepisce ancora, modelli di intelligenza artificiale che segnalano carie e lesioni prima ancora che il clinico le individui. L’IA sta trasformando la diagnostica odontoiatrica in modo profondo – ma non senza rischi. Ne abbiamo parlato con il Dott. Riccardo Benzi Cipelli, chirurgo riabilitativo e collaboratore di lunga data del Professor Bushema (Università La Sapienza di Roma e Denver University) sulle applicazioni dell’intelligenza artificiale al mondo dell’imaging medico e odontoiatrico.

Dottore, in che modo l’intelligenza artificiale si applica concretamente all’odontoiatria oggi?

“I due filoni principali sono l’imaging diagnostico e gli algoritmi predittivi. Sul fronte dell’imaging esistono già software disponibili sul mercato – come il DTX di Dexis – che offrono funzioni di intelligenza artificiale come seconda opinione clinica. Questi sistemi analizzano l’immagine radiografica, la raddrizzano, ne migliorano il contrasto, la rendono più fruibile per il clinico e realizzano la segmentazione dente per dente. Riescono persino a dirci se c’è una carie, un’erosione o una corona, offrendo un supporto diagnostico aggiuntivo.”

“Questi sistemi sono gestiti con modelli LLM – Large Language Models – addestrati a riconoscere determinate strutture e patologie. Tanto più il modello è stato addestrato, sia in modo supervisionato che non supervisionato, tanto più elevata è la sua accuratezza diagnostica: in alcuni casi superiore al 90%.”

Approfondimento scientifico: Accuratezza dell’IA nella diagnosi odontoiatrica: i dati più aggiornati

Una revisione sistematica pubblicata su Bioengineering (MDPI, novembre 2025 – PROSPERO CRD420251104023) ha analizzato 15 studi su applicazioni di IA nella diagnostica odontoiatrica (PubMed, Scopus, Web of Science, gennaio 2015 – giugno 2025), concludendo che i sistemi di IA mostrano capacità diagnostiche promettenti in radiografia, classificazione ortodontica e rilevamento della malattia parodontale. Una revisione sistematica separata pubblicata su MDPI Diagnostics (novembre 2025 – PRISMA 2020, PROSPERO CRD420251123119) ha analizzato la letteratura 2015-2024 riportando accuratezze: 82-94% per il rilevamento di carie, 85-92% per la valutazione parodontale, 88-96% per l’identificazione di lesioni orali e 95-98% per l’identificazione di landmark cefalometrici in ortodonzia.

Cosa sono gli algoritmi predittivi e cosa li distingue dai modelli LLM tradizionali?

“Gli algoritmi predittivi – quelli su cui lavora il Professor Buscema – operano con una logica completamente diversa dai grandi modelli linguistici. Lavorano su pochissimi dati e riescono a far emergere dall’immagine ciò che il nostro occhio non è ancora in grado di vedere. Il nostro occhio ha una capacità discriminatoria sui livelli di grigio relativamente bassa: percepiamo al massimo 30 livelli, mentre le immagini diagnostiche moderne contengono almeno 4.096 livelli di grigio.”

“Questi algoritmi riescono a far emergere in maniera predittiva ciò che il nostro occhio coglierà forse tra uno, due o tre anni: una patologia già presente in quel tessuto o in quella struttura ossea, ma ancora invisibile all’occhio clinico. È un cambio di paradigma diagnostico radicale.”

 IA e imaging predittivo: vedere ciò che l’occhio non vede ancora

Una revisione narrativa pubblicata su PMC (Cureus, maggio 2025 – PMID: 40585609) ha analizzato 39 studi su IA in odontoiatria (PubMed, Medline, Google Scholar, Scopus, Web of Science, 2019-2024), documentando come gli algoritmi di deep learning – in particolare le reti neurali convoluzionali (CNN) – eccellano nell’analisi di immagini CT, CBCT, bitewing, cefalometriche e panoramiche, identificando pattern e relazioni tra pixel che sfuggono completamente alla percezione visiva umana. La revisione segnala un alto rischio di bias nella selezione dei pazienti nel 77,2% degli studi, sottolineando la necessità di validazione prospettica in contesti clinici reali prima di un’adozione su larga scala.

Quali sono i rischi concreti di un utilizzo scorretto dell’intelligenza artificiale in medicina?

“La tecnologia, se ben utilizzata, è un ottimo supporto. Il problema sorge quando l’intelligenza artificiale diventa una scusa per abdicare all’utilizzo del proprio cervello. Stiamo vivendo in una società che si sta purtroppo indirizzando in quella direzione. La formazione universitaria stessa è sempre più orientata a protocolli e schemi standardizzati, e quando a questo si aggiunge un’IA che fornisce già le risposte da dare al paziente, la seconda opinione rischia di diventare prima opinione.”

“Ci vuole una formazione specifica per imparare a usare l’IA nel modo corretto: non come sostituto del giudizio clinico, ma come strumento che amplifica le capacità diagnostiche del professionista. Non dovremmo mai rinunciare a rimanere intelligenti. Il rischio è che lo scopo originario dell’IA – supportare il clinico – venga stravolto, trasformandola in uno strumento che ci rende sempre più automatizzati e meno capaci di pensiero critico autonomo.”

 IA in odontoiatria: opportunità e rischi etici e formativi

Una revisione narrativa pubblicata su PMC (Cureus, agosto 2025 – PMC12442331) ha evidenziato che, nonostante le prestazioni tecniche promettenti, il 79% degli studi sull’IA in odontoiatria è di tipo retrospettivo e condotto in contesti di ricerca controllati, con limitata validazione esterna o prospettica. Una revisione su FDA-Cleared AI Solutions in Dental Imaging (PMC, 2025 – PMC12775797) ha identificato 29 prodotti di IA approvati dalla FDA per l’imaging dentale prodotti da 13 aziende, ma ha rilevato una forte asimmetria regolamentare: numerosi sistemi di IA sono già ampiamente utilizzati a livello globale senza aver ottenuto autorizzazione formale. Il documento sottolinea la necessità di criteri chiari per l’integrazione clinica e di una formazione specifica per i professionisti, al fine di garantire un utilizzo consapevole e critico degli strumenti di IA, evitando la delega acritica del giudizio clinico alla macchina.

Illustrazione/visual generato con AI a scopo illustrativo