Detección fotográfica de gingivitis con inteligencia artificial

La gingivitis, una enfermedad dental común causada por la acumulación de placa, plantea un desafío para mantener un control adecuado sin un asesoramiento profesional constante. No obstante, gracias a los avances en la inteligencia artificial (IA), ahora se abren nuevas posibilidades para ofrecer asesoramiento automatizado basado en fotografías intraorales. 

Esto significa que, además de la atención profesional, las personas pueden acceder a una herramienta adicional para monitorear su salud bucal. 

Además, esta tecnología ofrece la ventaja de la disponibilidad continua, ya que no está limitada por horarios de consulta o la ubicación geográfica del paciente. 

Un artículo publicado en International Dental Journal examinó la capacidad de la IA para detectar y evaluar la gingivitis en fotografías intraorales, a través de un estudio donde se recopilaron imágenes que cumplían con los criterios de selección. Posteriormente, se etiquetaron las condiciones gingivales en categorías individuales como sanos, enfermos o cuestionables a lo largo del margen gingival. Una vez recopiladas y etiquetadas, estas fotografías se dividieron en conjuntos de datos de entrenamiento y validación.

A continuación, se utilizó un sistema de IA para analizar los conjuntos de datos de validación y determinar la precisión de la detección de gingivitis. El sistema evaluó diferentes métricas, incluyendo la sensibilidad, la especificidad y la intersección media sobre la unión. 

Según los autores, la IA logró identificar correctamente los sitios con inflamación gingival y los sitios sanos con una sensibilidad del 92% y una especificidad del 94%. Esto significa que la IA tuvo un alto nivel de acierto al detectar los casos positivos de gingivitis y también al identificar correctamente los sitios gingivales sanos.

Además, se evaluó la intersección media sobre la unión del sistema, la cual alcanzó un valor del 60%. Este resultado, señalan los autores, superó el umbral aceptado del 50%, lo que indica que la IA tuvo una capacidad sólida para reconocer la presencia de gingivitis en las fotografías intraorales.

La investigación sugiere que la IA puede detectar de manera precisa y confiable la presencia de gingivitis, equiparándose al examen visual realizado por un dentista humano. Esto podría tener un impacto positivo en la atención dental, ya que ofrece una herramienta adicional para el diagnóstico y seguimiento de la enfermedad, mejorando potencialmente la eficiencia y precisión de los tratamientos.

Otros aspectos conseguidos en el proceso de investigación son los siguientes:

• La capacidad de la IA para identificar la gingivitis en fotografías intraorales tiene implicaciones significativas en el monitoreo del control de placa de los pacientes. Con este sistema automatizado, se abre la posibilidad de evaluar de manera más precisa y objetiva la efectividad de las estrategias de control de placa utilizadas. 
• Además, permite la detección temprana de la enfermedad periodontal. Al identificar la gingivitis en etapas iniciales, se pueden implementar intervenciones tempranas y personalizadas en el tratamiento de los pacientes. Esto no solo puede mejorar los resultados del tratamiento, sino también evitar complicaciones más graves a largo plazo.

Asimismo, se requiere una investigación adicional para evaluar el rendimiento del sistema en pacientes con factores modificadores locales y sistémicos. Estos factores, como la variabilidad genética o enfermedades sistémicas concomitantes, podrían afectar la apariencia de las condiciones gingivales y, por ende, la capacidad de detección del sistema de IA. Por lo tanto, es necesario realizar estudios exhaustivos que aborden estas consideraciones y validen la efectividad del sistema en diversos contextos clínicos.

Fuente: International Dental Journal, Accuracy of Artificial Intelligence-Based Photographic Detection of Gingivitis – Reinhard Chun Wang Chau, Guan-Hua Li, In Meei Tew, Khaing Myat Thu, Colman McGrath, Wai-Lun Lo, Wing-Kuen Ling, Richard Tai-Chiu Hsung, Walter Yu Hang Lam, https://doi.org/10.1016/j.identj.2023.03.007.