Diseño automatizado de coronas anteriores y posteriores impulsado por inteligencia artificial bajo diversos...

Área de la Ciencia:

• Odontología digital
• Diseño asistido por ordenador (CAD)
• Inteligencia artificial (IA) en odontología

Sus antecedentes:

• El diseño automatizado de coronas utilizando software CAD está evolucionando.
• La evaluación del software basado en IA frente a los métodos convencionales es crucial para su adopción clínica.
• El tipo de oclusión presenta desafíos únicos para la fabricación de coronas digitales.

Objetivo del estudio:

• Comparar la precisión geométrica y la calidad clínica de las coronas generadas automáticamente utilizando el aprendizaje profundo (DL) frente al software CAD automatizado (CA) convencional.
• Evaluar la influencia de los diferentes tipos de oclusión en los resultados del diseño de la corona.
• Determinar la idoneidad clínica de las tecnologías de diseño de coronas basadas en IA.

Principales métodos:

• Se prepararon cinco modelos de tipodoncia con diversas oclusiones para las coronas anterior y posterior.
• Se utilizaron exploraciones intraorales para generar diseños de coronas con el software DL (Dentbird) y CA (3Shape).
• Se analizaron las desviaciones superficiales (valores RMS) y la calidad clínica (criterios FDI).
• Se realizaron pruebas estadísticas (Scheirer-Ray-Hare, exactas de Fisher).

Principales resultados:

• El software DL mostró desviaciones de superficie (RMS) más altas que el software CA (p < 0,001).
• Las coronas generadas por DL presentaron una calidad clínica significativamente mejor (puntuaciones FDI), especialmente para los dientes posteriores (p < 0,05).
• Los resultados fueron menos favorables para el software DL con casos de diastema anterior.

Conclusiones:

• Las condiciones de oclusión y el tipo de software CAD afectan significativamente la precisión y la calidad del diseño automatizado de la corona.
• El software CAD basado en DL ofrece una calidad clínica superior para las coronas posteriores en comparación con el software CA.
• Se necesita un mayor desarrollo de software de IA para una aceptación clínica consistente en varios escenarios de oclusión.