Marco unificado de aprendizaje profundo para el diagnóstico visual de surcos radiculares palatinos en TC de haz...

Área de la Ciencia:

• Odontología
• Imagenología Médica
• Inteligencia Artificial

Sus antecedentes:

• Los surcos radiculares palatinos (PRG) presentan desafíos diagnósticos debido a la compleja anatomía radicular y las sutiles manifestaciones de la tomografía computarizada de haz cónico (CBCT).
• La identificación precisa de los PRG es crucial para una planificación de tratamiento eficaz y la prevención de complicaciones.

Objetivo del estudio:

• Desarrollar y evaluar un marco de aprendizaje profundo (DL), PRG-Net, para la visualización, diagnóstico y clasificación automatizados en 3D de lesiones de PRG.
• Evaluar la generalización y el rendimiento diagnóstico de PRG-Net en múltiples conjuntos de datos y entornos clínicos.

Principales métodos:

• Se creó un marco unificado de DL (PRG-Net), que integra la segmentación de dientes, el diagnóstico de PRG y la clasificación de lesiones.
• Se utilizó un estudio retrospectivo multicéntrico de precisión diagnóstica con conjuntos de datos de CBCT para evaluar el rendimiento de PRG-Net.
• Se evaluó el impacto de PRG-Net en la precisión diagnóstica de los dentistas, la consistencia de la clasificación y la eficiencia del flujo de trabajo.

Principales resultados:

• PRG-Net demostró una fuerte generalización con alta precisión en la segmentación de dientes (Coeficiente de Similitud de Dice: 97,1%) y el diagnóstico de PRG (Área bajo la curva: 85,2%-94,4%).
• La clasificación de los tipos de PRG logró altos valores de AUC (88,5%-96,9%), mostrando una reproducibilidad intercentros consistente.
• La validación clínica mostró que PRG-Net mejoró significativamente la precisión diagnóstica y el acuerdo interevaluador de los dentistas, al tiempo que redujo el tiempo de interpretación.

Conclusiones:

• PRG-Net ofrece una solución robusta y automatizada para la evaluación de PRG en CBCT, mejorando la precisión diagnóstica.
• El marco mejora la fiabilidad interevaluador y agiliza el flujo de trabajo, actuando como una valiosa herramienta de apoyo a la decisión clínica.
• PRG-Net muestra un potencial significativo para mejorar la planificación del tratamiento y los resultados de los pacientes al facilitar un diagnóstico más temprano y preciso.