El objetivo de esta revisión sistemática y metaanálisis fue sintetizar y evaluar la evidencia disponible sobre el desempeño de los métodos basados en aprendizaje profundo para la detección y segmentación dental en ortopantomografías.
Se realizó una búsqueda en bases de datos electrónicas (Medline, Embase y Cochrane) hasta septiembre de 2023, incluyendo estudios observacionales relevantes, así como ensayos clínicos aleatorizados y controlados. Dos revisores realizaron de manera independiente la selección de estudios, la extracción de datos y la evaluación de la calidad metodológica. Para la evaluación global de la calidad de la evidencia, se empleó el sistema GRADE (Grading of Recommendations, Assessment, Development, and Evaluation). De los 2.207 registros identificados, 20 estudios cumplieron los criterios de inclusión. Se realizó un metaanálisis para comparar la detección y segmentación de mesiodens (n = 6), empleando la sensibilidad y la especificidad como parámetros diagnósticos principales. Además, se generó un resumen gráfico del análisis y se representó una curva ROC (Receiver Operating Characteristic) jerárquica, junto con la región de predicción, el punto resumen y la región de confianza.
El análisis cuantitativo de los estudios incluidos mostró una sensibilidad agrupada de 0,92 (intervalo de confianza [IC] del 95%: 0,84-0,96), una especificidad de 0,94 (IC del 95%: 0,89-0,97), una razón de verosimilitud positiva de 15,7 (IC del 95%: 7,6-32,2), una razón de verosimilitud negativa de 0,08 (IC del 95%: 0,04-0,18) y un odds ratio diagnóstico de 186 (IC del 95%: 44-793). Se representó gráficamente el metaanálisis basado en la sensibilidad y especificidad. La curva ROC jerárquica evidenció una correlación positiva entre la sensibilidad y la especificidad transformadas mediante logit (r = 0,886).
