Artificial Intelligence in Oral and Maxillofacial Oncology: AI-Driven Histopathological, Imaging, and Surgical Insights into Oral Squamous Cell Carcinoma

Abstract

Listen in: English (British) Español (España) Name: Loading voices… ▶ Listen to Abstract Pause Stop Speed: 0.75x1x 1.25x1.5x

Inteligencia artificial en oncología oral y maxilofacial: perspectivas histopatológicas, de imagen y quirúrgicas impulsadas por IA sobre el carcinoma oral de células escamosas Autores: Cristian Niky Cumpătă - Titu Maiorescu University, Bucharest (RO) Anca Mihaela Predescu - University of Medicine and Pharmacy of Craiova (RO) Larisa Pătru - University of Medicine and Pharmacy of Craiova (RO) Maria Totan - Lucian Blaga University of Sibiu (RO) Cristina Maria Munteanu - University of Medicine and Pharmacy of Craiova (RO) Oprea Valentin Bușu - University of Craiova (RO) Ilona Mihaela Liliac - University of Medicine and Pharmacy of Craiova (RO) Elena Cristina Andrei - University of Medicine and Pharmacy of Craiova (RO) Marina Amarascu - University of Medicine and Pharmacy of Craiova (RO) Ciprian Laurențiu Pătru - University of Medicine and Pharmacy of Craiova (RO) Resumen La inteligencia artificial (IA) está transformando rápidamente la oncología médica al proporcionar nuevas herramientas para el diagnóstico precoz y la planificación personalizada del tratamiento. En la oncología mandibular, donde la transformación maligna y la progresión metastásica pueden modificar drásticamente el pronóstico, los sistemas impulsados por IA muestran un gran potencial para mejorar la toma de decisiones clínicas. Las redes neuronales convolucionales y los algoritmos de aprendizaje profundo ya han demostrado una elevada precisión en el análisis de conjuntos de datos de imagen, incluidas tomografías computarizadas y preparaciones histopatológicas, para detectar cambios sutiles que pueden indicar la transformación maligna de lesiones inicialmente benignas. Estas herramientas también ayudan a identificar la diseminación metastásica temprana, permitiendo una intervención oportuna. El carcinoma oral de células escamosas (OSCC), uno de los cánceres de cabeza y cuello más agresivos, afecta con frecuencia a la mandíbula y provoca una importante alteración anatómica, deterioro neurológico y déficits funcionales del habla, la masticación y la simetría facial. Este artículo presenta datos clínicos e histopatológicos sobre lesiones malignas del hueso mandibular, principalmente carcinoma oral de células escamosas (OSCC). Los tumores afectaron principalmente al cuerpo y a la rama mandibular, ocasionando con frecuencia asimetría facial, movilidad dental y pérdida ósea. Histológicamente, las perlas de queratina y las células atípicas fusiformes constituyeron características típicas. La afectación neurológica debida a la invasión perineural provocó con frecuencia dolor, entumecimiento y deterioro de la función oral. Además de las complejas consecuencias de los cánceres mandibulares, incluidos sus efectos anatómicos, funcionales y psicológicos, el estudio subraya la importancia del tratamiento y la rehabilitación multidisciplinarios. Nuestro trabajo muestra cómo los avances en inteligencia artificial (IA), especialmente los enfoques de aprendizaje profundo, han hecho posibles nuevos métodos para mejorar la precisión y la eficacia del diagnóstico en oncología oral. Al reconocer tanto la atipia celular como la estructural, las redes neuronales convolucionales (CNN) han mostrado un excelente rendimiento en la clasificación de imágenes histopatológicas. La diferenciación entre lesiones orales benignas, displásicas y malignas mejora aún más mediante técnicas híbridas que combinan características profundas y rasgos basados en textura. La radiómica asistida por IA ha mostrado resultados prometedores en el diagnóstico por imagen al detectar características sutiles y de alta dimensionalidad en tomografías computarizadas, resonancias magnéticas y ecografías que con frecuencia resultan imposibles de interpretar visualmente. Según los estudios analizados, estas técnicas pueden mejorar la identificación de metástasis ganglionares y proporcionar una evaluación precisa del riesgo de malignidad oral. Los modelos de aprendizaje automático han alcanzado precisiones diagnósticas superiores a las evaluaciones radiológicas convencionales al combinar el análisis de textura de las imágenes con datos clínicos, lo que refuerza aún más su integración en el flujo de trabajo de la oncología oral. La integración de la IA en la oncología mandibular ofrece una perspectiva triádica: (1) detección del crecimiento tumoral y de las metástasis basada en imágenes, (2) evaluación histopatológica del potencial maligno y (3) valoración de los resultados neurológicos posteriores a la cirugía. Asimismo, este artículo presenta un estudio de caso de la University of Craiova para orientar la escisión quirúrgica y evaluar tanto la progresión histológica como el impacto funcional posoperatorio. A medida que evolucionan las tecnologías de IA, resulta cada vez más evidente su capacidad para apoyar planes de tratamiento individualizados, facilitar diagnósticos más tempranos y mejorar el juicio clínico, especialmente en regiones anatómica y neurológicamente complejas como la mandíbula. En conclusión, la IA representa un poderoso aliado en la oncología mandibular, al conectar la imagen médica, la histopatología y la evaluación neurológica y abrir el camino hacia una atención más precisa y centrada en el paciente.

Artificial intelligence (AI) is rapidly transforming the medical oncology, by providing new tools for early diagnosis and personalized treatment planning. In mandibular oncology, where malignant transformation and metastatic progression can drastically alter prognosis, AI-driven systems show great promise in enhancing clinical decision-making. Convolutional neural networks and deep learning algorithms have already demonstrated high accuracy in analyzing imaging datasets, including CT scans and histopathological slides, for the detection of subtle changes that may indicate malignant transformation of initially benign lesions. These tools also aid in identifying early metastatic spread, allowing for timely intervention. One of the most aggressive head and neck cancers, oral squamous cell carcinoma (OSCC) usually affects the mandible and causes extensive anatomical disruption, neurological impairments, and functional deficits in speech, mastication, and facial symmetry. This article presents clinical and histopathological data on malignant lesions of the mandibular bone, primarily oral squamous cell carcinoma (OSCC). Tumours primarily affected the mandibular body and ramus, often causing facial asymmetry, tooth mobility, and bone loss. Histologically, keratin pearls and spindle-shaped atypical cells were typical characteristics. Neurological involvement from perineural invasion frequently led to pain, numbness, and impaired oral function. In addition to the complex consequences of mandibular cancers, such as their anatomical, functional, and psychological effects, the study underscores the importance of multidisciplinary treatment and rehabilitation. Our paper presents how new methods for improving the precision and effectiveness of oral oncology diagnosis have been made possible by developments in artificial intelligence (AI), especially deep learning approaches. By recognising both cellular and structural atypia, convolutional neural networks (CNNs) have shown excellent performance in the classification of histopathological images. The distinction between benign, dysplastic, and malignant oral lesions is further enhanced by hybrid techniques that blend deep and texture-based features. AI-assisted radiomics has shown promise in diagnostic imaging by detecting high-dimensional, subtle characteristics in CT, MRI, and ultrasound scans that are frequently impossible to interpret visually. According to analysed studies, these techniques can improve the identification of lymph node metastases and offer accurate risk assessment for oral malignancies. Further encouraging their inclusion into the oral oncology workflow, machine learning models have attained diagnostic accuracies that surpass standard radiological assessments by merging image texture analysis with clinical data. A triadic viewpoint is provided by integrating AI into mandibular oncology: (1) imaging-based tumour growth and metastasis detection, (2) histopathological evaluation of malignant potential, and (3) assessment of neurological outcomes following surgery. Also, this article presents a case study from the University of Craiova, guide surgical excision, and assess both histological progression and postoperative functional impact. AI technologies' ability to support individualized treatment plans, enable earlier diagnoses, and enhance clinical judgment is becoming more and more clear as they develop—especially in anatomically and neurologically complex areas like the mandible. In conclusion, AI represents a powerful ally in mandibular oncology, bridging imaging, histopathology, and neurological evaluation, and paving the way for more precise, patient-centered care.