¿Qué preguntaron?
Ellos preguntaron
“¿Es posible configurar modelos de inteligencia artificial para la detección de referencias dentales y el diagnóstico de extracción dental utilizando datos de alimentación de fotografías intraorales clínicas”?
¿Que hicieron?
Este fue un estudio complejo, y he hecho todo lo posible para identificar sus métodos. Cualquier error de interpretación es enteramente mío. Hicieron el estudio en las siguientes etapas;
- Obtuvieron 1500 imágenes digitales maxilares y 1636 mandibulares de un grupo de pacientes de aproximadamente 26 años de edad.
- Dos especialistas en ortodoncia observaron las imágenes e identificaron los puntos mesiales y distales de cada diente y si se necesitaban extracciones para el tratamiento de ortodoncia.
- Luego dividieron las imágenes en conjuntos de datos de aprendizaje y prueba. El conjunto de datos de prueba incluyó 200 fotografías maxilares y 200 mandibulares. El conjunto de datos de aprendizaje constaba de 1.300 fotos maxilares y 1.438 mandibulares.
- A continuación, construyeron modelos de inteligencia artificial para identificar las decisiones de hacinamiento y extracción.
- Luego clasificaron la cantidad de apiñamiento midiendo la discrepancia en la longitud del arco.
- Finalmente, calcularon la precisión de los modelos de inteligencia artificial para la categorización del hacinamiento y la decisión de extracción.
¿Qué encontraron?
Presentaron datos para cuatro modelos de inteligencia artificial. Esto me resultó difícil de interpretar. Como resultado, he tratado de simplificar sus datos. Estos fueron los principales hallazgos.
Midieron la precisión de la categorización del hacinamiento con la estadística Kappa. El kappa más alto para el apiñamiento fue 0,73 y el más bajo fue 0,61. Estos son buenos niveles de acuerdo.
Cuando observaron las decisiones de extracción, compararon la decisión que tomaron los ortodoncistas con la conclusión de la IA. Hicieron esto mediante la construcción de características operativas del receptor (ROC). Una vez más, estos son complejos de interpretar. Sin embargo, una forma sencilla de hacerlo es observar el área bajo la curva (AUC). Cuanto más cerca esté este valor de 1, mayor será la precisión de la decisión. El modelo más preciso tenía un AUC de 0,961 y el menos de 0,934. Esto significa que la precisión es alta.
Su conclusión general fue;
“Los modelos de inteligencia artificial con la arquitectura y el entrenamiento adecuados pueden ayudar sustancialmente a los médicos en la planificación del tratamiento de ortodoncia”.
¿Qué pensé?
Este es un documento importante porque muestra el camino a seguir para el desarrollo de la IA en la ortodoncia. En primer lugar, el nivel de precisión fue notable. Representó menos variación que la que vemos en los estudios que examinan la reproducibilidad de las decisiones de extracción de ortodoncia.
Sin embargo, antes de que todos nos emocionemos o nos preocupemos por las implicaciones de este documento, debemos observar de cerca las posibles deficiencias. Pensé que estos eran
- El estudio se realizó únicamente con fotografías de los dientes. Todos sabemos que analizamos una gran cantidad de otra información cuando tomamos decisiones de extracción. Sin embargo, otros estudios han demostrado que podemos tomar decisiones basándonos únicamente en fotografías.
- La decisión de extracción estándar de oro se basó en la opinión de solo dos ortodoncistas. Necesitamos aportes de más médicos para que los resultados sean relevantes para el mundo real de la práctica clínica.
- Los pacientes estaban todos en dentición permanente y eran adultos.
- Finalmente, el equipo de estudio no consideró las otras características del paciente que influyen en las decisiones de extracción. Por ejemplo, no hubo información sobre la sobremordida horizontal, la sobremordida horizontal, las relaciones de los segmentos bucales y el perfil facial.
Comentarios finales
Este será uno de los muchos estudios que analizarán la IA en el futuro. La tecnología tiene un gran futuro para ayudarnos a tomar las decisiones de tratamiento correctas. Estamos en la cúspide de una gran oportunidad para la planificación del tratamiento de ortodoncia. Puedo imaginar un día en que los datos de muchos casos proporcionados por un amplio espectro de ortodoncistas podrían informar las recomendaciones de tratamiento del robot IA. Esto podría ser de gran beneficio para nuestros pacientes.
Sin embargo, como con la mayoría de las innovaciones de ortodoncia. Si bien existe el potencial de beneficio, también existe el riesgo de abuso. Abordaré los pros y los contras de IA en una publicación posterior.