Determinación de la edad dental con radiografías panorámicas mediante inteligencia artificial en población colombiana

Abstract

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.