Les approches diagnostiques et thérapeutiques conventionnelles en orthopédie sont fréquemment longues et associées à des taux élevés d’erreur diagnostique, soulignant le besoin urgent d’outils plus efficaces pour améliorer la situation actuelle. Récemment, l’intelligence artificielle (IA) a été de plus en plus intégrée à la pratique orthopédique, fournissant des approches basées sur les données pour soutenir les processus diagnostiques et thérapeutiques. Avec l’avancement continu des technologies d’IA et leur incorporation dans les flux de travail orthopédiques de routine, une compréhension approfondie des principes de l’IA et de leurs applications cliniques est devenue essentielle. La revue commence par un résumé des concepts clés et de l’évolution historique de l’IA, suivi d’un examen des cadres d’apprentissage automatique et d’apprentissage profond conçus pour les applications cliniques et de recherche en orthopédie. Nous explorons ensuite diverses applications basées sur l’IA en orthopédie, y compris l’analyse d’images, le diagnostic des maladies, et les approches thérapeutiques telles que l’assistance chirurgicale, le développement de médicaments, le soutien à la réhabilitation, et la thérapie personnalisée. Ces applications visent à aider les chercheurs et cliniciens à mieux comprendre les applications actuelles de l’IA en orthopédie. La revue souligne également les principaux défis et limitations affectant l’utilisation pratique de l’IA, tels que la qualité des données, la généralisation des modèles, et la validation clinique. Enfin, nous discutons des orientations futures possibles pour améliorer les technologies d’IA et promouvoir leur intégration sûre et efficace dans les soins orthopédiques.

Intelligence artificielle (IA);Orthopédie;Apprentissage automatique (ML);Apprentissage profond (DL);Diagnostic;Thérapeutique