Desarrollo de un modelo híbrido de aprendizaje automático para predecir la duración del tratamiento como herramienta...

Área de la Ciencia:

• Odontología
• Inteligencia artificial
• Informática de la salud

Sus antecedentes:

• La predicción de la duración del tratamiento dental es crucial para una gestión clínica eficiente.
• Los métodos existentes para la estimación del tiempo pueden carecer de precisión.
• El aprendizaje automático ofrece un enfoque novedoso para mejorar la precisión predictiva en la atención médica.

Objetivo del estudio:

• Desarrollar una aplicación de escritorio basada en el aprendizaje automático para predecir la duración de los tratamientos dentales.
• Evaluar la exactitud y la eficacia clínica del modelo predictivo desarrollado.
• Explorar la utilidad del servicio Google SerpApi en las predicciones de aprendizaje automático para la odontología.

Principales métodos:

• Desarrollo de software utilizando Python, incorporando algoritmos de aprendizaje automático.
• Se utilizó un conjunto de datos de 2750 registros de tratamiento dental para la formación (2500) y las pruebas (250).
• Correlación de Spearman empleada, R2 y error absoluto medio para la evaluación del rendimiento del modelo.

Principales resultados:

• El modelo logró una alta precisión con un valor R2 de 0,97, prediciendo el 97,32% de la varianza en las duraciones del tratamiento.
• El error absoluto medio fue de 2,6432 minutos, lo que indica predicciones precisas.
• La correlación de Spearman mostró una fuerte relación positiva (r=0,96, p<0,001).
• La edad y el sexo de los participantes no afectaron significativamente la precisión de la predicción.

Conclusiones:

• El aprendizaje automático demuestra una promesa significativa para optimizar los flujos de trabajo dentales y la eficiencia clínica.
• La integración de Google SerpApi resultó efectiva, especialmente para los escenarios de escasez de datos.
• Los sistemas electrónicos de registro de pacientes son vitales para el avance de las aplicaciones de IA en las instalaciones médicas.