Según una investigación presentada en EuroPerio10, un algoritmo de aprendizaje profundo detecta con éxito la enfermedad periodontal a partir de radiografías de mordida en 2D.
Estudios previos han examinado el uso de la IA para detectar caries, fracturas radiculares y lesiones apicales, pero la investigación en el campo de la Periodoncia es limitada. Este estudio evaluó la capacidad del aprendizaje profundo, un tipo de IA, para determinar el estado periodontal en radiografías de aleta de mordida.
“Nuestro estudio muestra el potencial de la inteligencia artificial (IA) para identificar automáticamente patologías periodontales que de otro modo podrían pasarse por alto”, dijo el autor del estudio, el Dr. Burak Yavuz, de la Universidad Eskisehir Osmangazi de Turquía. “Esto podría reducir la exposición a la radiación al evitar evaluaciones repetidas, prevenir la progresión silenciosa de la enfermedad periodontal y permitir un tratamiento más temprano”.
El estudio utilizó 434 radiografías de mordida de pacientes con periodontitis, que se analizaron de la siguiente manera:
- El procesamiento de imágenes se realizó con la arquitectura u-net, una red neuronal convolucional utilizada para segmentar imágenes de forma rápida y precisa.
- Igualmente, un médico especialista experimentado también evaluó las imágenes utilizando el método de segmentación.
Las evaluaciones incluyeron pérdida ósea alveolar total alrededor de los dientes superiores e inferiores, pérdida ósea horizontal, pérdida ósea vertical, defectos de furcación y cálculo alrededor de los dientes maxilares y mandibulares.
Teniendo esto en cuenta, la red neuronal identificó:
- 859 casos de pérdida ósea alveolar.
- 2.215 casos de pérdida ósea horizontal.
- 340 casos de pérdida ósea vertical.
- 108 defectos de furcación.
- Y 508 casos de cálculo dental.
El éxito del algoritmo en la identificación de defectos se comparó con la evaluación del médico y se informó como sensibilidad, precisión y puntaje F1, que es el promedio ponderado de sensibilidad y precisión. Para sensibilidad, precisión y puntaje F1, 1 es el mejor valor y 0 es el peor.
- Los resultados de sensibilidad, precisión y puntuación F1 para la pérdida ósea alveolar total fueron 1, 0,94 y 0,96, respectivamente.
- Los valores correspondientes para la pérdida ósea horizontal fueron 1, 0,92 y 0,95, respectivamente, mientras que AI no pudo identificar la pérdida ósea vertical.
- Para cálculo dental, los resultados de sensibilidad, precisión y puntuación F1 fueron 1,0, 0,7 y 0,82, respectivamente.
- Y para defectos de furcación los valores correspondientes fueron 0,62, 0,71 y 0,66, respectivamente.
“Nuestro estudio ilustra que la IA puede detectar muchos tipos de defectos a partir de imágenes 2D que podrían ayudar en el diagnóstico de la periodontitis. Se requieren estudios más completos en conjuntos de datos más grandes para aumentar el éxito de los modelos y extender su uso a las radiografías en 3D”, explica el Dr. Yavuz.
«Este estudio brinda una visión del futuro de la odontología, donde la IA evalúa automáticamente las imágenes y ayuda a los profesionales dentales a diagnosticar y tratar enfermedades antes«, concluyó.
