Eficacia de los modelos de inteligencia artificial para la detección de fracturas radiculares verticales: una...

Área de la Ciencia:

• Odontología
• Imagenología Médica
• Inteligencia Artificial

Sus antecedentes:

• Las fracturas radiculares verticales (FRV) presentan desafíos diagnósticos en odontología.
• La inteligencia artificial (IA) ofrece potencial como ayuda diagnóstica para las FRV.

Objetivo del estudio:

• Revisar sistemáticamente el rendimiento diagnóstico de los modelos de IA para la detección de FRV.
• Evaluar el rendimiento de la IA en diferentes técnicas de imagen.

Principales métodos:

• Búsqueda sistemática de literatura en PubMed, Scopus y Web of Science hasta enero de 2025.
• Inclusión de estudios que informaron sobre la precisión diagnóstica, sensibilidad y especificidad para la detección de FRV.
• Evaluación de la calidad utilizando QUADAS-2 y certeza de la evidencia calificada por GRADE.

Principales resultados:

• Siete estudios cumplieron los criterios de inclusión, evaluando diversos modelos de IA.
• Los modelos basados en CNN lograron una alta precisión (75%-97,8%), sensibilidad (75%-98%) y especificidad (60%-99%).
• ResNet-50 en CBCT arrojó la mayor precisión (97,8%); el rendimiento disminuyó con la radiografía 2D.

Conclusiones:

• La evidencia de bajo nivel sugiere que los modelos de IA basados en CNN pueden detectar con precisión las FRV, especialmente con CBCT de alta resolución.
• La certeza general de la evidencia es baja debido a limitaciones metodológicas y tamaños de muestra pequeños.
• Se necesitan más estudios prospectivos multicéntricos para la validación clínica y la implementación.