Revisión de Alcance sobre Conjuntos de Datos Sintéticos: Oportunidades, Desafíos y Direcciones Futuras para la...

Área de la Ciencia:

• IA Dental
• Imágenes Médicas
• Generación de Datos Sintéticos

Sus antecedentes:

• La inteligencia artificial (IA) y el aprendizaje automático están avanzando en los diagnósticos dentales.
• Los conjuntos de datos de alta calidad y anotados son escasos, lo que plantea desafíos para el desarrollo de la IA.
• Los datos sintéticos ofrecen una solución potencial a la escasez de datos y las preocupaciones de privacidad en endodoncia.

Objetivo del estudio:

• Revisar los conjuntos de datos sintéticos en odontología y endodoncia.
• Identificar técnicas comunes de generación de datos y evaluar su efectividad.
• Explorar las limitaciones y las direcciones de investigación futuras para los datos sintéticos en endodoncia.

Principales métodos:

• Se realizó una búsqueda sistemática en las principales bases de datos (PubMed, Scopus, EBSCO, Google Scholar).
• Se extrajeron datos sobre modalidades de imagen, modelos de generación, tamaños de conjuntos de datos y métricas de evaluación.
• Se utilizó análisis descriptivo para resumir los hallazgos sobre datos sintéticos en endodoncia.

Principales resultados:

• Once estudios incluidos, predominantemente utilizando Redes Generativas Antagónicas (GAN).
• Las radiografías panorámicas fueron la modalidad más común.
• Los datos sintéticos por sí solos mostraron una fidelidad moderada.
• La combinación de datos sintéticos con datos reales mejoró la precisión del modelo de IA para tareas como la clasificación de conductos y la segmentación de implantes.

Conclusiones:

• Los datos sintéticos son una herramienta emergente en endodoncia con un potencial significativo.
• La investigación futura debe centrarse en conjuntos de datos diversos y clínicamente relevantes utilizando modelos avanzados como la difusión y enfoques híbridos.
• Los datos sintéticos pueden mejorar los diagnósticos impulsados por IA, la educación y la atención endodóntica.