Un sistema de inteligencia artificial para la puesta en escena de la sincondrosis esfeno-occipital

Área de la Ciencia:

• Odontología y salud bucal
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La evaluación precisa de las etapas de fusión de la sincondrosis esfenooccipital (SOS) es crucial para la planificación del tratamiento de ortodoncia.
• La clasificación manual de las etapas de fusión SOS a partir de la tomografía computarizada de haz cónico (CBCT) puede consumir mucho tiempo y ser subjetiva.

Objetivo del estudio:

• Desarrollar, probar y validar algoritmos automatizados de aprendizaje profundo para clasificar las etapas de fusión SOS utilizando CBCT.
• Mejorar la precisión y eficiencia de la puesta en escena de SOS a través de la inteligencia artificial.

Principales métodos:

• Se utilizaron 723 tomografías CBCT de pacientes de ortodoncia.
• Modelos de aprendizaje profundo empleados, incluidos ResNet, EfficientNet y ConvNeXt.
• Desarrolló un nuevo modelo basado en la atención, ConvNeXt + Conv Attention, e integró YOLOv11 para la detección y segmentación automatizadas de regiones.

Principales resultados:

• El modelo ConvNeXt+Conv Attention demostró un rendimiento superior.
• Se logró una precisión del 88,94% con el recorte manual y del 82,49% con un flujo de trabajo totalmente automatizado.
• La tubería de IA automatizó efectivamente la clasificación de las etapas de fusión SOS.

Conclusiones:

• Una nueva tubería basada en IA automatiza de manera confiable la clasificación de las etapas de fusión SOS.
• ConvNeXt+Conv Attention logró la mayor precisión, mejorando la eficiencia y la consistencia en los flujos de trabajo clínicos.
• Esta tecnología tiene un potencial significativo para soluciones basadas en IA en ortodoncia.