Determinación de la edad dental con radiografías panorámicas mediante inteligencia artificial en población colombiana
Cargando...
Archivos
Fecha
2024-07
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Antecedentes: La inteligencia artificial (IA) se ha convertido en una herramienta fundamental en diversas áreas, incluyendo la odontología, donde ha demostrado mejorar la práctica clínica, el diagnóstico, la clasificación, el pronóstico y la planificación del tratamiento. Sin embargo, su aplicación específica en la estimación de la edad dental a través de radiografías panorámicas ha sido limitada. Este estudio se centra en la población colombiana, con el objetivo de mejorar la precisión en la estimación de la edad dental mediante el uso de IA. Objetivo: Determinar la edad dental por medio del análisis de segundos molares inferiores sobre radiografías panorámicas analizadas mediante un sistema de inteligencia artificial con redes neuronales convolucionales, en población colombiana. Metodología: La investigación se llevó a cabo en la Universidad El Bosque y se utilizó una muestra de 1736 radiografías panorámicas digitales de pacientes entre 4 y 21 años. El proceso comenzó con la creación de una base de datos anonimizada que incluía variables como sexo, edad, fecha de nacimiento y fecha de la toma de la radiografía. Se empleó la herramienta de visión por computadora Roboflow para identificar la región de interés (ROI) correspondiente al segundo molar inferior en las radiografías. Las imágenes fueron procesadas usando un modelo de IA en Python, almacenando los resultados en una base de datos MySQL. La validación del modelo se realizó en dos etapas, con un total de 793 radiografías en la primera y 4743 radiografías en la segunda etapa, divididas entre entrenamiento y validación. Resultados: El modelo de IA mostró una capacidad notable para predecir la edad dental, con una precisión superior al 88% en ciertos grupos de edad. Sin embargo, la precisión disminuyó significativamente en edades más tempranas, como 6 años, alcanzando solo el 70%. En la fase de validación con un conjunto más amplio de datos, la precisión global se redujo al 32.2%, reflejando desafíos en la clasificación correcta de ciertas edades. A su vez, los modelos aplicados por género revelaron diferencias clave en el rendimiento y la capacidad de generalización, estas diferencias resaltan la importancia de ajustar los parámetros del modelo para mejorar la precisión en cada grupo. Conclusiones: El estudio concluye que la IA, específicamente las redes neuronales convolucionales, es una herramienta efectiva para estimar la edad dental con alta precisión en ciertas categorías de edad. No obstante, la precisión del modelo varía considerablemente según el grupo etario, lo que sugiere la necesidad de un entrenamiento más diversificado del modelo. Estos resultados son prometedores para su aplicación en odontología forense y pediátrica, aunque es necesaria una validación adicional antes de su implementación en entornos clínicos. La integración de IA en la práctica odontológica podría revolucionar la precisión y rapidez en la estimación de la edad dental, mejorando significativamente los procesos diagnósticos en estas áreas.
Descripción
Abstract
Background: Artificial intelligence (AI) has become a fundamental tool in various areas, including dentistry, where it has been shown to improve clinical practice, diagnosis, classification, prognosis, and treatment planning. However, its specific application in estimating dental age through panoramic radiographs has been limited. This study focuses on the Colombian population and intends to improve the accuracy of dental age estimation using AI. Aim: To determine dental age through the analysis of lower second molars on panoramic radiographs analyzed by means of an artificial intelligence system with convolutional neural networks in a Colombian population. Methodology: The research was carried out at Universidad El Bosque, and a sample of 1736 digital panoramic radiographs of patients between 4 and 21 years of age was used. The process began with creating an anonymized database that included variables such as sex, age, date of birth, and date the radiograph was taken. The Roboflow computer vision tool was used to identify the region of interest (ROI) corresponding to the lower second molar on the radiographs. The images were processed using an AI model in Python, storing the results in a MySQL database. The validation of the model was carried out in two stages, with a total of 793 radiographs in the first stage and 4743 radiographs in the second stage, divided between training and validation. Results: The AI model showed a remarkable ability to predict dental age, with an accuracy of over 88% in certain age groups. However, accuracy decreased significantly at younger ages, such as 6 years, reaching only 70%. In the validation phase with a larger data set, the overall accuracy decreased to 32.2%, reflecting challenges in correctly classifying certain ages. In turn, models applied by gender revealed key differences in performance and generalization ability, these differences highlight the importance of adjusting model parameters to improve accuracy in each group. Conclusions: The study concludes that AI, specifically convolutional neural networks, is an effective tool for estimating dental age with high accuracy in certain age categories. However, the accuracy of the model varies considerably by age group, suggesting the need for more diversified training of the model. These results are promising for application in forensic and pediatric dentistry, although additional validation is needed before implementation in clinical settings. The integration of AI in dental practice could revolutionize the accuracy and speed of dental age estimation, significantly improving diagnostic processes in these areas.
Palabras clave
Inteligencia artificial, Red neurona, Edad dental, Ortodoncia, Odontología, Radiografías panorámicas
Keywords
Artificial intelligence, Neural network, Dental age, Orthodontics, Dentistry, Panoramic radiographs