Video Experimental Relacionado
Updated: Sep 9, 2025
Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
Combinando algoritmos de aprendizaje automático para construir un nuevo método para inferir la edad dental de niños
Xiaohong Liang1, Chudong Wang2, Dan Wen2
1Department of Oral Implantology, Xiangya Stomatological Hospital, Central South University, No. 72 Xiangya Road, Kaifu District, Changsha, Hunan Province, PR China.
Los nuevos modelos de aprendizaje automático mejoran la estimación de la edad dental de las personas con dientes perdidos, crucial para la identificación forense cuando los métodos tradicionales fallan debido a la pérdida de dientes congénita o adquirida. Estos modelos ofrecen una mayor precisión en el trabajo forense.
Área de la Ciencia:
- Odontología forense
- Antropología
- Aprendizaje automático
Sus antecedentes:
- La inferencia dental tradicional requiere un conjunto completo de dientes, lo que limita su uso en casos de pérdida de dientes congénita o adquirida.
- Los dientes faltantes pueden introducir sesgos en la predicción de la edad, lo que requiere métodos mejorados para aplicaciones forenses.
Objetivo del estudio:
- Validar y modificar el método de inferencia de edad de los dientes de Bedek para la población china.
- Desarrollar nuevos modelos de estimación de la edad de los dientes basados en el aprendizaje automático (mandibula unilateral y bilateral) para personas con dientes perdidos.
Principales métodos:
- Validación del método modificado de Bedek en niños chinos con pérdida completa, congénita y adquirida de dientes.
- Construcción de modelos de aprendizaje automático de mandíbula unilateral y bilateral utilizando los dientes restantes.
- Se utilizaron datos para la imputación en el modelo de mandíbula bilateral para incorporar datos de dientes contralaterales.
Principales resultados:
- El modelo de mandíbula bilateral demostró el error absoluto medio (MAE) más bajo tanto en los grupos de agenesia masculina (0,641) como en las femeninas (0,763).
- Ambos modelos de aprendizaje automático superaron al modelo Bedek modificado en precisión en los grupos de validación.
- Los modelos se adaptaron efectivamente a patrones variables de pérdida de dientes, proporcionando estimaciones precisas de la edad.
Conclusiones:
- Los nuevos marcos odontológicos de estimación de la edad que utilizan el aprendizaje automático ofrecen soluciones robustas y flexibles para casos forenses con denticiones parciales.
- Estos métodos avanzan significativamente las capacidades de identificación forense para individuos con edades desconocidas o disputadas, incluso con pérdida significativa de dientes.
- Los modelos desarrollados proporcionan estimaciones cronológicas precisas de la edad, superando las limitaciones de los métodos tradicionales en diversas poblaciones.
