Palabras clave
Inteligencia artificial; Radiología; Odontología; Radiografía
Cómo citar
Resumen
Este estudio tiene como objetivo indicar el potencial de la inteligencia artificial (IA) en los informes epidemiológicos de dientes cariados, perdidos y restaurados. Como prueba de concepto, nuestro modelo de estudio utilizó imágenes panorámicas de rayos X y un algoritmo de inteligencia artificial para la numeración de dientes, la detección de caries y las restauraciones con una precisión superior al 80 % para dichas tareas de diagnóstico. El resultado fue el número de dientes cariados, perdidos y restaurados según la edad del paciente y el índice CPOD (número de dientes cariados, perdidos y obturados) que varió de 3,6 (hasta 20 años) a 20,4 (+60 años). años). Por tanto, se sugiere que la IA es un método prometedor para automatizar la recopilación de datos de salud mediante el análisis de rayos X.
Citas
Brasil. Ministério da Saúde. Secretaria de Atenção à Saúde. Secretaria de Vigilância em Saúde. SB Brasil 2010: Pesquisa Nacional de Saúde Bucal: resultados principais / Ministério da Saúde. Secretaria de Atenção à Saúde. Secretaria de Vigilância em Saúde. – Brasília : Ministério da Saúde, 2012. 116 p. (Accessed February 27, 2023). Available in: https://bvsms.saude.gov.br/bvs/publicacoes/pesquisa_nacional_saude_bucal.pdf
Roncalli A.G., Silva N.N., Nascimento A.C., Freitas C.H.S.M., Casotti E., Peres K.G., Moura L., Peres M.A., Freire M.C.M., Cortes M.I.S., Vettore M.V., Paludetto Júnior M., Figueiredo N., Goes P.S.A., Pinto R.S., Marques R.A.A., Moysés S.J., Reis S.C.G.B., Narvai P.C. Relevant methodological issues from the SBBrasil 2010 Project for national health surveys. Cad Saude Publica. 2012; 28 Suppl: s40-57. doi: https://doi.org/10.1590/s0102-311x2012001300006
Brasil. Relatório da consulta pública do projeto técnico da pesquisa nacional de saúde bucal 2020. SB Brasil 2020. 35 p. (Accessed February 27, 2023). Available in: http://189.28.128.100/dab/docs/portaldab/documentos/cgsb/RelatorioConsultaPublicaSBBrasil.pdf
Azevedo J.S., Azevedo M.S., Oliveira L.J.C., Correa M.B., Demarco F.F. Needs for dental prostheses and their use in elderly Brazilians according to the National Oral Health Survey (SBBrazil 2010): prevalence rates and associated factors. Cad Saude Publica. 2017; 33 (8): e00054016. doi: https://doi.org/10.1590/0102-311X00054016
Miyazaki H., Jones J.A., Beltrán-Aguilar E.D. Surveillance and monitoring of oral health in elderly people. Int Dent J. 2017; 67 Suppl 2 (Suppl 2): 34-41. doi: https://doi.org/10.1111/idj.12348
Hosny A., Parmar C., Quackenbush J., Schwartz L.H., Aerts H.J.W.L. Artificial intelligence in radiology. Nat Rev Cancer. 2018; 18 (8): 500-510. doi: https://doi.org/10.1038/s41568-018-0016-5
Heo M.S., Kim J.E., Hwang J.J., Han S.S., Kim J.S., Yi W.J., Park I.W. Artificial intelligence in oral and maxillofacial radiology: what is currently possible? Dentomaxillofac Radiol. 2021; 50 (3): 20200375. doi: https://doi.org/10.1259/dmfr.20200375
Başaran M., Çelik Ö., Bayrakdar I.S., Bilgir E., Orhan K., Odabaş A., Aslan A.F., Jagtap R. Diagnostic charting of panoramic radiography using deep-learning artificial intelligence system. Oral Radiol 2022; 38 (3): 363-369. doi: https://doi.org/10.1007/s11282-021-00572-0
Bayrakdar I.S., Orhan K., Akarsu S., Çelik Ö., Atasoy S., Pekince A., Yasa Y., Bilgir E., Sağlam H., Aslan A.F., Odabaş A. Deep-learning approach for caries detection and segmentation on dental bitewing radiographs. Oral Radiol. 2022; 38 (4): 468-479. doi: https://doi.org/10.1007/s11282-021-00577-9
Chen X., Guo J., Ye J., Zhang M., Liang Y. Detection of proximal caries lesions on bitewing radiographs using deep learning method. Caries Res. 2022; 56 (5-6): 455-463. doi: https://doi.org/10.1159/000527418
Abdalla-Aslan R., Yeshua T., Kabla D., Leichter I., Nadler C. An artificial intelligence system using machine-learning for automatic detection and classification of dental restorations in panoramic radiography. Oral Surg Oral Med Oral Pathol Oral Radiol. 2020; 130 (5): 593-602. doi: https://doi.org/10.1016/j.oooo.2020.05.012
Chen S.L., Chen T.Y., Huang Y.C., Chen C.A., Chou H.S., Huang Y.Y., Lin W.C., Li T.C., Yuan J.J., Abu P.A.R., Chiang W.Y. Missing teeth and restoration detection using dental panoramic radiography based on transfer learning with CNNs. IEEE Access 2022; 10: 118654-64. doi: https://doi.org/10.1109/ACCESS.2022.3220335
Costa E.D., Gaêta-Araujo H., Carneiro J.A., Zancan B.A.G., Baranauskas J.A., Macedo A.A.M., Tirapelli C. Development of a dental digital dataset for research in artificial intelligence: the importance of labeling performed by radiologists. Oral Surg Oral Med Oral Pathol Oral Radiol. 2023 Dec. doi: https://doi.org/10.1016/j.oooo.2023.12.006
Carneiro J.A. Enhanced tooth segmentation algorithm for panoramic radiographs. [dissertation]. Ribeirão Preto: Universidade de São Paulo, Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto; 2023 [cited in 2024-03-10]. doi:10.11606/D.59.2023.tde-20022024-073306
Comentarios
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Derechos de autor 2024 CC-BY-NC-SA 4.0