Las radiografías panorámicas dentales y su papel en la predicción de grupos de edad gracias a la IA

La estimación de grupos de edad es una técnica necesaria para identificar a las personas fallecidas, además de crucial en muchos casos para las personas vivas, pues gracias a ella se pueden aclarar dudas legales y resolver problemas civiles o judiciales.

En base a esto, un artículo publicado en Nature por un equipo de investigadores, explica que, aunque existen varios métodos que utilizan diferentes partes del cuerpo para estimar la edad de los individuos, el desarrollo dental radiográfico y una secuencia de erupción dental es uno de los más precisos.

Factores que ayudan estimar la edad según la dentición

Tal como explican los investigadores en su artículo, estimar las edades de los adultos vivos o fallecidos en base a su dentición permanente es extremadamente difícil, siendo más sencillo en el caso de niños y adolescentes.

Pero se sabe que algunos factores dentales están asociados con el aumento de la edad, lo que puede proporcionar una pista importante para la estimación en personas adultas, como son:

• La pérdida de superficie dental, un proceso macroscópicamente irreversible que se acumula con los años.
• La disminución gradual del área pulpar de molares maxilares y mandibulares.
• La extensión y severidad de la caries dental (causando daño dental, tratamiento dental y/o pérdida de dientes).
• La periodontitis, que tiende a estar más presente a medida que nos hacemos mayores.

El objetivo del estudio y por qué usa la Inteligencia Artificial

Un punto fuerte de sus algoritmos de aprendizaje automático es el reconocimiento de patrones y reglas, lo que los hace adecuados para la estimación automática de la edad dental, que es precisamente de lo que trata el estudio.

Por eso los autores investigaron la relación de 18 parámetros radiomorfométricos de radiografías panorámicas en función de la edad, para estimar el grupo de edad de las personas con dentición permanente de una manera no invasiva, integral y precisa.

Para conseguirlo, se utilizó una población de estudio de 209 hombres y 262 mujeres, de diferentes edades y se aplicaron 471 radiografías panorámicas digitales.

Los participantes se dividieron en tres grupos (con una diferencia de edad de 20 años) y seis grupos (con una diferencia de edad de 10 años), y cada grupo de edad se estimó utilizando los siguientes cinco modelos de aprendizaje automático:

• Análisis discriminante lineal.
• Regresión logística.
• Máquinas de vectores de soporte kernelizadas.
• Perceptrón multicapa y refuerzo de gradiente extremo.
• Hipótesis y resultados.

Siguiendo su hipótesis, los investigadores querían probar, a través del aprendizaje automático, que:

1. Los parámetros que contribuyen principalmente a la estimación de la edad pueden diferir según la edad.
2. Los modelos lineales pueden extraer información relacionada con la edad sin el poder de la no linealidad y, por lo tanto, pueden lograr un buen rendimiento de predicción.
3. La precisión de predicción de los algoritmos de aprendizaje automático será mayor que la de los métodos tradicionales de estimación de edad.

Según los resultados para la predicción de la clasificación de los tres grupos de edad:

• Las áreas bajo la curva (AUC) obtenidas para clasificar edades jóvenes (10-19 años) oscilaron entre 0,85 y 0,88 para los cinco modelos diferentes de aprendizaje automático.
• Los valores de AUC del grupo de mayor edad (50-69 años) oscilaron entre 0,82 y 0,88.
• Y para el grupo de los adultos (20-49 años) fueron de aproximadamente 0,73.

En la clasificación de los seis grupos de edad, las mejores puntuaciones también se encontraron en los grupos de edad 1 (10-19 años) y 6 (60-69 años), con AUC medias que oscilan entre 0,85 y 0,87 y entre 80 y 0,90, respectivamente.

Es decir, según los autores, la estimación automática de grupos de edad logró una precisión de predicción excelente tanto en los grupos de jóvenes como de mayores, y un nivel aceptable en el grupo de mediana edad.

Conclusiones

La publicación del estudio informa que el método de estimación de la edad basado en el desarrollo y la maduración de los dientes se usa solo entre los 3,5 y los 16,9 años, ya que es imposible estimar los resultados a partir de los 17 años.

Pero, por el contrario, el método de los autores, se puede aplicar tanto a personas adolescentes como en la franja de edad de los 60 años. Estos resultados los consideran muy útiles por dos motivos:

1. Cuando se quiere revelar la identidad y edad de una persona muerta o viva, se necesita un método de estimación de edad aplicable a todas las edades.
2. Si se requiere la identificación de un gran número de víctimas, por ejemplo de un desastre, será necesario un algoritmo de estimación de edad preciso y automatizado, como el que ellos han mostrado.

Por lo tanto, los investigadores concluyen que «en un futuro próximo, el aprendizaje automático puede aplicarse como una herramienta para predecir la edad de los pacientes en función de los hallazgos de radiografías panorámicas, ya que sus resultados podrían proporcionar una herramienta valiosa para la estimación de la edad en la administración de refugiados o la ciencia forense».