Modelo de imágenes clínicas para predecir el pronóstico en la microcirugía endodóntica contemporánea: un estudio...

Área de la Ciencia:

• Odontología Odontología.
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• Los modelos predictivos para los resultados de la microcirugía endodóntica (EMS) son limitados.
• Este estudio aborda la necesidad de mejorar las herramientas de pronóstico en el SME.

Objetivo del estudio:

• Evaluar los algoritmos de aprendizaje automático (ML) para predecir el pronóstico del SME.
• Identificar los predictores clave relacionados con el paciente, el diente y el procedimiento de los resultados del SME.

Principales métodos:

• Análisis retrospectivo de 213 dientes utilizando algoritmos ML.
• El preprocesamiento de datos incluyó SMOTE para el desequilibrio de clase y SelectKbest para la selección de características.
• Clasificadores como el bosque aleatorio fueron entrenados y validados; SHapley Additive exPlanations (SHAP) fueron utilizados para la interpretación.

Principales resultados:

• El clasificador forestal aleatorio logró un alto rendimiento predictivo (precisión: 91%, AUC: 0.97).
• Los predictores identificados de mal pronóstico incluyen la falta de regeneración guiada de los tejidos, la mala calidad de llenado del extremo de la raíz y el tamaño de la lesión.

Conclusiones:

• El modelo forestal aleatorio muestra un fuerte potencial predictivo para los resultados del SME.
• Los predictores derivados de SHAP ofrecen información clínica pero requieren validación externa para conclusiones definitivas.