PINNOCHIO : prédire le visage post-opératoire en chirurgie orthognathique avec un réseau contraint par la physique, aussi précis que les éléments finis mais en quelques secondes (Lee et al. 2026, arXiv)

Jungwook Lee, Daeseung Kim, Kevin Gu, Zhangfeng Hu, Tianshu Kuang, Finn Hopeman, Michael A.K. Liebschner, Jaime Gateno et Pingkun Yan (Rensselaer Polytechnic Institute, Houston Methodist Research Institute et Baylor College of Medicine) mettent en ligne le 1er juin 2026 sur arXiv, en vue de la conférence MICCAI 2026, PINNOCHIO : un réseau de neurones contraint par la physique (PINN) qui prédit, patient par patient, comment les tissus mous du visage se déforment après le repositionnement chirurgical des mâchoires. Sur 40 cas cliniques réels — scanner pré-opératoire pour la géométrie, surface faciale 3dMD post-opératoire pour la vérité de terrain —, le modèle égale ou dépasse le simulateur par éléments finis de référence sur la fidélité de surface (distance de Chamfer moyenne de 1,12 mm contre 1,30, et 86,55 % des points du visage à moins de 2 mm de la cible contre 80,90 %), mais en 3,24 secondes au lieu de 3,5 heures. C'est un gain de vitesse qui rend l'essayage itératif de plans chirurgicaux réellement praticable ; il faut toutefois le lire à l'aune d'une cohorte de seulement 40 patients, d'une supervision qui ne mesure que la surface externe, de paramètres mécaniques identiques pour tous les patients, et d'un code non publié.

Le contexte

La chirurgie orthognathique corrige les déformations dento-faciales — mâchoires mal alignées, menton fuyant ou proéminent, asymétries — en sectionnant puis en repositionnant les os de la face. Le résultat esthétique et fonctionnel dépend de la façon dont les tissus mous (muscles, graisse, peau) suivent le déplacement osseux, une relation fortement non linéaire : déplacer l'os d'un millimètre ne déplace pas la peau d'un millimètre, et l'effet dépend de l'endroit. Pour planifier, le chirurgien voudrait tester plusieurs déplacements osseux candidats et voir, pour chacun, le visage prédit. C'est exactement ce qu'une bonne simulation des tissus mous doit fournir.

Deux familles d'outils s'affrontent jusqu'ici. D'un côté la méthode des éléments finis (FEM, finite element method : on découpe le tissu en un maillage de petits éléments et on résout les équations de la mécanique sur chacun), biomécaniquement rigoureuse mais lente — plusieurs heures par cas, incompatible avec un essayage interactif en consultation. De l'autre, des modèles d'apprentissage profond rapides mais qui produisent souvent des déformations biomécaniquement incohérentes : un visage qui s'auto-intersecte, des volumes qui se replient. PINNOCHIO se place dans cet écart : garder la vitesse du réseau de neurones sans renoncer à la cohérence physique.

La méthode

Le preprint (arXiv:2606.01572, 10.48550/arXiv.2606.01572, déposé le 1er juin 2026, sous la licence non exclusive d'arXiv) repose sur deux idées. La première est une décomposition séquentielle qui sépare deux phénomènes de natures différentes. À l'interface entre l'os et le tissu mou, le déplacement est discontinu : la peau collée à l'os bouge avec lui, le reste non. Dans le volume, au contraire, la déformation est continue. PINNOCHIO traite d'abord la prédiction du déplacement de l'interface (module « Boundary Displacement Prediction »), puis utilise ce résultat comme condition aux limites pour propager la déformation dans tout le volume (module « Physics-Constrained Volumetric Propagation »). Découpler les deux stabilise l'apprentissage.

La seconde idée est l'ancrage physique. Le tissu mou est modélisé comme un matériau hyperélastique de type néo-hookéen — une loi de comportement classique pour les tissus biologiques, qui décrit comment l'énergie de déformation augmente quand on étire ou comprime la matière. À partir de cette énergie, on calcule les forces internes en chaque nœud du maillage, et une fonction de perte physique pénalise les configurations qui ne sont pas à l'équilibre (somme des forces non nulle). Le réseau n'apprend donc pas seulement à imiter des exemples : il est puni quand sa prédiction viole la mécanique. Les deux modules s'appuient sur des réseaux de neurones sur graphe (GNN, qui traitent un maillage comme un graphe de nœuds reliés) à attention (GAT), bien adaptés à des maillages irréguliers.

Point méthodologique important : la supervision ne porte que sur la surface externe. On ne dispose pas, chez un vrai patient, de la position post-opératoire de chaque point à l'intérieur des tissus ; on ne connaît que la surface du visage, mesurée par 3dMD (un système de photographie 3D). Faute de correspondance point à point, l'accord entre surface prédite et surface réelle est mesuré par la distance de Chamfer (distance moyenne entre chaque point d'une surface et le point le plus proche de l'autre). L'intérieur du volume n'est donc contraint que par la physique, pas par des mesures. Les auteurs pré-entraînent le modèle sur des données simulées par FEM (où la vérité volumétrique existe), puis l'affinent sur les cas réels avec la seule supervision de surface — une stratégie de sim-to-real. La cohorte compte 40 cas cliniques évalués en validation croisée à cinq plis ; chaque cas comporte le déplacement planifié de quatre segments osseux (LeFort I, segment distal mandibulaire et les deux segments distaux). Les paramètres mécaniques sont fixés identiques pour tous (muscle : module de Young 6 kPa ; couche superficielle : 4 kPa ; coefficient de Poisson 0,49).

Les résultats

PINNOCHIO est comparé à trois références : FEM-RLSE (le simulateur par éléments finis de référence) et deux modèles d'apprentissage profond antérieurs, ACMT-Net (Fang et al. 2024) et DGCFP. Sur l'ensemble du visage, il obtient la meilleure fidélité : distance de Chamfer de 1,12 ± 0,26 mm (contre 1,30 pour la FEM, 1,71 et 2,19 pour les deux modèles d'apprentissage), distance de Hausdorff de 2,73 ± 0,69 mm (la distance de Hausdorff mesure le pire écart, pas la moyenne ; contre 3,16 pour la FEM), et surtout 86,55 % des points à moins de 2 mm de la surface cible, contre 80,90 % pour la FEM. Côté vitesse, l'écart est d'un autre ordre de grandeur : 3,24 secondes par cas contre 1,26 × 10⁴ secondes (3,5 heures) pour la FEM, soit environ 3 900 fois plus rapide. Une étude d'ablation montre que les deux ingrédients comptent : retirer la décomposition ou la perte physique dégrade soit la précision, soit la validité mécanique (le résidu d'équilibre passe de 0,20 à 1,73, et la qualité du maillage mesurée par le jacobien chute de 0,87 à 0,68 sans contrainte physique).

Traduction clinique. Le seuil de 2 mm n'est pas arbitraire : sur un visage, un écart de cet ordre est à peu près la limite de ce qu'un œil perçoit. Que 86,55 % des points soient sous ce seuil signifie aussi qu'environ un point du visage sur sept reste à plus de 2 mm de la cible — un reste d'erreur qui peut se concentrer dans des zones expressives (lèvres, sillons, pointe du nez) sans qu'on le sache, car la métrique est moyennée sur tout le visage. Le gain décisif est ailleurs : passer de 3,5 heures à 3 secondes par simulation transforme la planification. Essayer dix plans chirurgicaux candidats demandait environ 35 heures de calcul par éléments finis ; il faut désormais une demi-minute, ce qui rend l'optimisation itérative possible au cours d'une même séance de planification. C'est une aide à la décision pré-opératoire, pas un acte autonome.

Ce qui est bien

La physique est dans la fonction de perte, pas seulement dans les données. En pénalisant explicitement les configurations hors équilibre néo-hookéen, le modèle produit des déformations mécaniquement plausibles, et l'ablation le démontre chiffres à l'appui : sans la contrainte physique, le résidu d'équilibre est multiplié par près de neuf et la qualité du maillage se dégrade. C'est précisément ce qui manque aux modèles d'apprentissage purs, qui peuvent coller à la surface tout en produisant un volume aberrant.

La décomposition interface/volume répond à un vrai problème. Séparer le saut discontinu à l'interface os–tissu de la déformation continue du volume est une modélisation fine du phénomène réel, et elle améliore mesurablement l'apprentissage. C'est une contribution méthodologique réutilisable au-delà du seul cas facial, partout où une condition aux limites nette pilote une déformation volumique.

L'évaluation se fait contre la surface post-opératoire réelle, et bat la FEM dessus. Le modèle n'est pas seulement comparé à une autre simulation : la vérité de terrain est la surface 3dMD effectivement observée après chirurgie. Dépasser la FEM de référence sur ce critère (86,55 % contre 80,90 % de points sous 2 mm) tout en étant des milliers de fois plus rapide est un résultat concret, pas une promesse — et la comparaison à deux modèles d'apprentissage récents, et non à un homme de paille obsolète, est honnête.

Ce qui est moins bien

Quarante patients, source unique : la généralisation reste ouverte. Une cohorte de 40 cas, même en validation croisée à cinq plis, est étroite, et le preprint ne précise pas l'établissement ni le pays d'origine des données. C'est le terrain du biais de population : rien ne garantit que la précision tienne sur d'autres morphologies, d'autres types de déformation, d'autres scanners ou systèmes 3dMD. Sans validation externe multi-centres, le chiffre de 1,12 mm décrit cette cohorte, pas la population des candidats à la chirurgie orthognathique.

On ne mesure que la surface ; l'intérieur n'est jamais vérifié. La supervision ne porte que sur la peau, l'intérieur du volume n'étant contraint que par la physique. Or un modèle peut reproduire correctement la surface tout en se trompant sur la déformation des couches profondes — une variante du shortcut learning (le réseau apprend ce qui suffit à minimiser la perte de surface, pas nécessairement la mécanique interne réelle). De plus, les paramètres mécaniques sont fixés identiques pour tous les patients, alors que la raideur des tissus varie d'une personne à l'autre ; les auteurs le reconnaissent en renvoyant à de futurs travaux l'estimation patient-spécifique. La « vérité » FEM utilisée au pré-entraînement est elle-même un modèle, avec ses propres approximations.

Une métrique moyennée, et pas de code publié. Les distances sont moyennées sur l'ensemble du visage : c'est la métrique trompeuse classique, où une bonne moyenne peut masquer des erreurs localisées dans les régions cliniquement décisives. Le preprint ne rapporte pas la précision région par région (lèvres, nez, menton). Enfin, ni le code ni les poids ne sont annoncés, et le texte est diffusé sous la licence non exclusive d'arXiv — pas une licence ouverte de réutilisation : la reproductibilité indépendante n'est donc pas garantie en l'état. Le financement (NIH, bourses R01DE027251 et R01DE021863) et l'absence de conflit d'intérêts déclaré sont, eux, correctement mentionnés.

Ce que ça change

Pour la communauté de recherche, le message dépasse la chirurgie faciale. PINNOCHIO illustre une recette qui se généralise : injecter une loi mécanique dans la fonction de perte d'un réseau sur graphe, et décomposer le problème selon la nature des déplacements (interface discontinue, volume continu). La stratégie sim-to-real — pré-entraîner sur des simulations FEM où la vérité volumétrique existe, puis affiner sur des données réelles où seule la surface est mesurée — est transposable à d'autres problèmes de déformation des tissus. Les suites naturelles sont une validation multi-centres, l'estimation patient-spécifique des propriétés mécaniques (les auteurs évoquent l'échographie) et l'extension à d'autres gestes comme la génioplastie.

Pour les chirurgiens, l'apport potentiel est tangible : une simulation en quelques secondes permet, en théorie, de comparer interactivement plusieurs plans pendant la consultation, là où les éléments finis imposaient des calculs nocturnes. Mais c'est un prototype de recherche : aucun marquage CE, aucune autorisation FDA, aucun avis de la HAS ne couvre aujourd'hui un tel outil pour guider une décision opératoire, et une erreur résiduelle supérieure à 2 mm sur une partie du visage n'est pas anodine en chirurgie esthétique de la face.

Pour les patients et le public, l'intérêt est celui d'un meilleur dialogue pré-opératoire : pouvoir visualiser plus vite et plus fidèlement le visage attendu aide à fixer des attentes réalistes. La prudence reste de mise — une prédiction n'est pas une garantie de résultat, et la décision chirurgicale demeure du ressort de l'équipe soignante, qui intègre bien d'autres facteurs que la seule géométrie des tissus.

Pour aller plus loin

Le preprint est en accès libre sur arXiv : arxiv.org/abs/2606.01572 (DOI 10.48550/arXiv.2606.01572). Sur l'apprentissage profond appliqué à l'imagerie médicale et la question du comparateur, voir notre décryptage de Liu 2026 sur un modèle à mélange d'experts pour l'IRM du rectum. Sur la traduction d'une performance d'imagerie en valeur clinique, voir notre décryptage du pipeline de neuroimagerie pronostique après AVC de Brzus 2026.