Una recente revisione sistematica ha analizzato 14 studi pubblicati tra il 2021 e il 2026, dedicati all’impiego dell’AI su immagini facciali 2D e 3D. Le applicazioni comprendevano classificazione scheletrica, diagnosi di deformità mandibolari, previsione cefalometrica e valutazione della necessità di chirurgia ortognatica.
I risultati sono incoraggianti. Negli studi di classificazione, l’accuratezza è variata dal 73,1% al 97,7%, con valori di AUC compresi tra 0,768 e 0,987.
Alcuni modelli hanno ottenuto prestazioni particolarmente elevate. In uno studio basato su fotografie del volto da più angolazioni, l’accuratezza nella classificazione delle Classi scheletriche I, II e III ha raggiunto il 92,9%. In un altro lavoro, condotto su 2.033 pazienti pediatrici, il modello ha ottenuto un’accuratezza dell’85,3% in un test interno indipendente.
Anche l’analisi 3D ha mostrato buone potenzialità. In uno studio condotto su 435 scansioni facciali, l’accuratezza ha raggiunto l’88,5% per la Classe II e il 95,5% per la Classe III. Tuttavia, la sensibilità è scesa al 64,3% nei pattern ipodivergenti, mostrando come un dato complessivamente elevato possa nascondere criticità in specifiche categorie diagnostiche.
Interessante anche il confronto con i clinici. In uno degli studi più strutturati, il modello AI ha superato gli ortodontisti junior e intermedi, mentre non ha mostrato differenze significative rispetto agli specialisti senior.
Il quadro cambia quando si passa dalla classificazione alla decisione terapeutica. Nel distinguere tra chirurgia e camouflage per le Classi III, un modello basato sulle fotografie di profilo ha ottenuto un’accuratezza del 77,5%, contro il 90,9% del modello che utilizzava radiografie laterali.
Il limite principale resta però la validazione.
Solo uno dei 14 studi inclusi ha effettuato una vera validazione esterna utilizzando dati provenienti da un’altra istituzione. La maggior parte dei risultati deriva quindi da test interni, cross-validation o dataset appartenenti alla stessa popolazione utilizzata nello sviluppo dei modelli.
Per questo la certezza complessiva delle evidenze è stata giudicata bassa. Servono studi multicentrici, validazioni indipendenti e valutazioni prospettiche prima di una reale implementazione routinaria.
L’AI applicata alle immagini facciali può quindi diventare un valido supporto per screening, classificazione e decisione clinica. Ma, almeno allo stato attuale delle evidenze, deve affiancare lo specialista, non sostituirlo.
