Predicción del pH en los cementos de silicato de calcio comerciales y experimentales a través de la informática de...

Área de la Ciencia:

• Ciencia de los biomateriales
• Ingeniería de materiales
• Química computacional

Sus antecedentes:

• Los cementos a base de silicato de calcio (CSC) son cruciales en la endodoncia debido a su alcalinidad.
• La predicción precisa de sus perfiles de pH a largo plazo es esencial para el desarrollo de materiales y su aplicación clínica.
• Los métodos actuales para evaluar la evolución del pH requieren mucho tiempo y recursos.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático (ML) para predecir los perfiles de pH a largo plazo de las CSC.
• Utilizar las mediciones de pH en etapas tempranas (3 y 24 horas) para estas predicciones.
• Reducir la duración y la escala de las pruebas in vitro para los CSC.

Principales métodos:

• Datos extraídos del pH y de la liberación de iones de calcio de los estudios in vitro (2014-2024).
• Desarrolló un modelo de ML híbrido apilado que integra Regresores de Aumento de Gradientes y un perceptrón secuencial multicapa.
• Se ha validado el modelo utilizando datos experimentales de CSC comerciales y experimentales con diferentes superficies.

Principales resultados:

• El modelo ML demostró una alta precisión predictiva (valores R2 de 0,91, 0,89 y 0,85 a las 72, 168 y 672 horas, respectivamente).
• La validación experimental confirmó una fuerte correlación (R2 > 0,80) entre los valores de pH previstos y reales.
• El modelo mostró un rendimiento consistente en diferentes formulaciones de CSC y tamaños de muestra.

Conclusiones:

• El modelo ML desarrollado predice efectivamente la evolución de la alcalinidad de los CSC utilizando datos tempranos de pH y superficie de la muestra.
• Este enfoque reduce significativamente la necesidad de pruebas prolongadas y el uso extensivo de muestras.
• El modelo apoya el desarrollo acelerado de biomateriales y el diseño de materiales endodónticos de próxima generación.