Análisis comparativo de cinco plataformas de IA para la segmentación del canal mandibular en imágenes CBCT

Área de la Ciencia:

• Cirugía Oral y Maxilofacial
• Radiología
• Análisis de Imágenes Médicas

Sus antecedentes:

• La identificación precisa del canal mandibular (CM) en la tomografía computarizada de haz cónico (CBCT) es fundamental para prevenir lesiones del nervio alveolar inferior durante procedimientos de cirugía oral y maxilofacial.
• La segmentación manual del CM consume tiempo y es propensa a la variabilidad del operador.
• La inteligencia artificial (IA) presenta una alternativa prometedora para la segmentación automatizada y reproducible del CM.

Objetivo del estudio:

• Comparar la precisión de la segmentación automatizada del CM entre cinco plataformas de IA distintas.
• Evaluar métricas de rendimiento cuantitativas y cualitativas de diferentes herramientas de segmentación de IA.
• Proporcionar orientación basada en evidencia sobre la fiabilidad de la IA para la identificación del CM en la planificación quirúrgica.

Principales métodos:

• Análisis de 120 escaneos CBCT anonimizados (240 CM) utilizando cinco plataformas de IA automatizadas: Atomica, BlueSkyPlan, Craniocatch, 3D Slicer y Relu Creator.
• Cuantificación de la precisión mediante la desviación media de la superficie sin signo, con categorización en rangos óptimo (<0.5 mm), aceptable (0.5-2.0 mm) e inaceptable (>2.0 mm).
• Evaluación cualitativa utilizando una escala de fidelidad anatómica de cinco puntos, junto con análisis de efectos segmentarios, de lateralidad y de escáner.

Principales resultados:

• Se observaron diferencias significativas en el rendimiento entre las plataformas de IA (p < 0.001).
• Relu Creator y 3D Slicer demostraron la mayor precisión (≈0.5 mm), sin desviaciones superiores a 2.0 mm.
• Atomica y BlueSkyPlan mostraron mayor variabilidad y más desviaciones inaceptables, mientras que Craniocatch exhibió una precisión moderada.

Conclusiones:

• La precisión de la segmentación del CM basada en IA depende de la plataforma.
• Relu Creator y 3D Slicer demuestran idoneidad clínica, mientras que otras plataformas requieren revisión experta.
• La evaluación comparativa independiente y la validación multiescáner son cruciales para la adopción clínica segura de herramientas de IA para la segmentación del CM.