Detección de lesiones periapicales en dientes con prótesis fijas mediante modelos de segmentación y análisis de...

Área de la Ciencia:

• Odontología
• Radiología
• Inteligencia Artificial

Sus antecedentes:

• Las lesiones periapicales en dientes con prótesis fijas a menudo se pasan por alto en las radiografías panorámicas, lo que retrasa el tratamiento y aumenta el riesgo de pérdida de dientes.
• La detección manual consume mucho tiempo y es propensa a errores, sin un sistema automatizado actual para la detección simultánea de lesiones y el análisis de coronas.
• Las prótesis fijas pueden ocultar los signos tempranos de patología periapical, lo que complica el diagnóstico.

Objetivo del estudio:

• Evaluar la precisión diagnóstica de los modelos de inteligencia artificial (IA) basados en YOLO11 para la detección de lesiones periapicales en dientes con prótesis fijas.
• Analizar la relación entre lesiones periapicales y coronas dentales utilizando algoritmos automatizados en radiografías panorámicas.
• Evaluar el rendimiento de la IA en la identificación de patología periapical enmascarada por restauraciones protésicas.

Principales métodos:

• Se anotó un conjunto de datos de 404 radiografías panorámicas para coronas y lesiones periapicales, con un total de 1686 etiquetas.
• Se entrenaron cinco variantes de segmentación YOLO11 con el 77% de los datos, se validaron con el 13% y se probaron con el 10%.
• El rendimiento del modelo se cuantificó utilizando precisión, exhaustividad y precisión media promedio (mAP), con análisis estadístico a través de Python 3.9.

Principales resultados:

• El modelo YOLO11l-seg logró un alto rendimiento en la detección de lesiones periapicales (mAP50: 0.794) y coronas (mAP50: 0.975-0.980).
• El análisis automatizado reveló que el 84.62% de las lesiones estaban asociadas con coronas.
• Las coronas mandibulares mostraron una prevalencia significativamente mayor de lesiones asociadas (52.24%) en comparación con las coronas maxilares (19.05%, P<.001).

Conclusiones:

• Los modelos de IA basados en YOLO11 demuestran una alta precisión para la detección de lesiones periapicales asociadas con prótesis fijas.
• El algoritmo de IA desarrollado analiza eficazmente las relaciones corona-lesión, ofreciendo datos cuantitativos valiosos para los profesionales dentales.
• La IA muestra una gran promesa en la mejora del diagnóstico temprano de patología periapical en casos protésicos complejos.