Un modelo multimodal para la detección de caries mediante imágenes intraorales y cuestionarios

Área de la Ciencia:

• Inteligencia artificial en odontología
• Análisis de imágenes médicas
• Salud pública

Sus antecedentes:

• Las caries dentales son una enfermedad infantil prevalente que requiere métodos de cribado eficaces.
• El cribado actual a menudo se basa en la inspección visual, que puede pasar por alto los signos tempranos.
• El aprendizaje profundo ofrece potencial para diagnósticos dentales automatizados y precisos.

Objetivo del estudio:

• Desarrollar y evaluar un modelo multimodal de aprendizaje profundo para el cribado de caries dentales pediátricas.
• Integrar fotografías intraorales y datos de cuestionarios para mejorar el rendimiento diagnóstico.
• Comparar el modelo multimodal con un modelo unimodal solo de imágenes.

Principales métodos:

• Se recolectaron 7671 imágenes intraorales (superficies oclusales y lisas) de niños.
• Se utilizaron cuestionarios de salud bucal junto con el etiquetado de imágenes clínicas (sin caries, temprana, moderada a severa).
• Se entrenó y validó un modelo multimodal de aprendizaje profundo, comparándolo con un modelo solo de imágenes utilizando precisión, exactitud, exhaustividad, puntuación F1 y ROC-AUC.

Principales resultados:

• El modelo multimodal demostró una alta precisión (por ejemplo, 92,3% para superficies oclusales sin caries) y ROC-AUCs (por ejemplo, 0,967 para superficies oclusales sin caries).
• El rendimiento para superficies lisas también fue sólido, con altos valores de precisión y ROC-AUC.
• La integración de datos de cuestionarios mejoró significativamente la revisión de caries tempranas sin reducir la precisión general.

Conclusiones:

• El modelo multimodal de aprendizaje profundo supera a los modelos solo de imágenes en la detección de caries dentales tempranas.
• Este modelo de cribado inteligente muestra potencial para la vigilancia de caries a nivel poblacional.
• Se recomienda una validación multicéntrica adicional a gran escala para confirmar la generalización.