Validación de un algoritmo de Machine Learning para la clasificación por estadios de la periodontitis
Cargando...
Archivos
Fecha
2025-01
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 periodontitis es una enfermedad inflamatoria crónica que causa la destrucción progresiva de los tejidos de soporte de los dientes. El sistema de clasificación de 2018, propuesto por el World Workshop on the Classification of Periodontal and Peri-Implant Diseases, proporciona un método estandarizado para diagnosticar la periodontitis basado en etapas y grados. Sin embargo, persisten desafíos para garantizar la consistencia diagnóstica entre los clínicos. Este estudio valida un algoritmo de aprendizaje automático diseñado para clasificar de manera precisa y eficiente las etapas de la periodontitis, ofreciendo una herramienta potencial de apoyo al diagnóstico. Objetivo: Validar un algoritmo de aprendizaje automático para la clasificación por etapas de la periodontitis basado en los criterios de clasificación de 2018, con énfasis en la precisión, exactitud y consistencia en el diagnóstico clínico. Métodos: Se realizó un estudio analítico transversal para validar el algoritmo propuesto, el cual utiliza aprendizaje automático para clasificar casos. Expertos clasificaron manualmente 90 casos de periodontitis utilizando datos clínicos. Este conjunto de datos se utilizó para entrenar y probar el algoritmo. Se emplea el coeficiente Kappa de Cohen para evaluar la concordancia entre las clasificaciones manuales y automáticas. Además, se calcularán la precisión, sensibilidad y especificidad para evaluar el rendimiento del algoritmo. Resultados: El algoritmo mejoró sustancialmente la precisión (>95 %) en la clasificación de la periodontitis por etapas. La edad y el número de dientes fueron los factores más importantes para establecer las etapas de la periodontitis. El coeficiente Kappa de Cohen para datos categóricos ordinales evaluará la concordancia entre las clasificaciones del algoritmo y las de los expertos. Se espera que la precisión supere el 90 % en todas las etapas, observándose la mayor exactitud en las etapas avanzadas (III y IV). Conclusiones: El algoritmo de aprendizaje automático validado demuestra una alta precisión y fiabilidad en la clasificación por etapas de la periodontitis, proporcionando una herramienta valiosa para los clínicos. Su implementación puede agilizar el diagnóstico, reducir la variabilidad entre clínicos y respaldar la toma de decisiones basada en evidencia. Las investigaciones futuras deberían explorar su aplicación en contextos clínicos diversos y con conjuntos de datos más amplios.
Descripción
Abstract
Background: periodontitis is a chronic inflammatory disease that causes progressive destruction of the supporting tissues of teeth. The 2018 classification system proposed by the world workshop on the classification of periodontal and peri-implant diseases provides a standardized method to diagnose periodontitis based on stages and grades. However, challenges persist in ensuring diagnostic consistency among clinicians. This study validates a Machine Learning algorithm designed to classify periodontitis stages accurately and efficiently, offering a potential diagnostic support tool. Objective: to validate a Machine Learning algorithm for stage classification of periodontitis based on the 2018 classification criteria, focusing on accuracy, precision, and consistency in clinical diagnosis. Methods: a cross-sectional analytical study was conducted to validate the proposed algorithm, which uses Machine Learning to clarify cases. Experts manually classified 90 periodontitis cases using clinical data. The algorithm was trained and tested using this dataset. Cohen's kappa coefficient will evaluate the concordance between manual and automated classifications. Precision, sensitivity, and specificity will be calculated to assess the algorithm's performance. Results: the algorithm substantially improved accuracy (>95%) in classifying periodontitis by stage. The age and tooth number were the most critical factors in establishing the stages of periodontitis. Cohen’s kappa coefficient for ordinal categorical data will assess the concordance between algorism and expert classifications. We hope the precision exceeded 90% across all stages, with the highest accuracy observed in advanced stages (iii and iv). Conclusions: the validated Machine Learning algorithm demonstrates high accuracy and reliability in classifying periodontitis stages, providing a valuable tool for clinicians. Its implementation can streamline diagnosis, reduce inter-clinician variability, and support evidence-based decision-making. Future research should explore its application across diverse clinical contexts and larger datasets.
Palabras clave
Aprendizaje automático, Periodontitis, Clasificación por estadios, Algoritmo diagnóstico, Estudio de validación.
Keywords
Machine Learning, Periodontitis, Stage classification, Diagnostic algorithm, Validation study