Evaluación de los sistemas de aprendizaje profundo en la detección de caries dental mediante radiografía panorámica

Área de la Ciencia:

• Odontología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• La detección de la caries dental es crucial para la salud bucal.
• Las radiografías panorámicas se utilizan comúnmente para el diagnóstico dental.
• El aprendizaje profundo ofrece potencial para mejorar la precisión del diagnóstico.

Objetivo del estudio:

• Evaluar un modelo de red neuronal convolucional profunda (CNN) para la detección de caries dental.
• Evaluar la eficacia de la arquitectura ResNet50 en el análisis de las radiografías panorámicas de caries.

Principales métodos:

• Se utilizó un conjunto de datos de 2660 imágenes de dientes etiquetados de 101 radiografías panorámicas.
• Se crearon 5.000 conjuntos de datos, con 2.340 puntos de datos sintéticos.
• Se empleó la arquitectura ResNet50 CNN, con datos divididos en un 80% de formación y un 20% de ensayos.

Principales resultados:

• El modelo de aprendizaje profundo logró una precisión de clasificación general del 82%.
• Las principales métricas de rendimiento incluyeron: sensibilidad 94%, especificidad 70%, valor predictivo positivo (PPV) 75,8% y valor predictivo negativo (NPV) 92%.
• El área bajo la curva de características del operador receptor (AUC) fue del 82%.

Conclusiones:

• El modelo de aprendizaje profundo demuestra el potencial como herramienta auxiliar para los dentistas.
• Este enfoque de IA puede ayudar en la detección de caries dental en radiografías panorámicas.
• Una mayor integración en la práctica clínica podría mejorar las capacidades de diagnóstico.