Precisión comparativa de modelos de IA y evaluación clínica para la detección de placa dental en niños

Título del estudio:

Precisión de la detección de placa dental a partir de imágenes intraorales utilizando diferentes modelos de inteligencia artificial versus evaluación clínica entre un grupo de niños: un estudio de precisión diagnóstica

Descripción general del estudio:

Este estudio observacional de precisión diagnóstica está diseñado para evaluar el desempeño de múltiples modelos de inteligencia artificial (IA) en la detección de placa dental a partir de imágenes intraorales, en comparación con evaluaciones clínicas tradicionales realizadas por dentistas calificados. El enfoque principal está en los pacientes pediátricos, ya que la detección temprana y el manejo de la placa dental son cruciales para mantener la salud bucal en los niños.

Antecedentes y fundamento:

La placa dental es una biopelícula que se forma en los dientes y puede provocar caries y enfermedad periodontal si no se trata adecuadamente. Los métodos tradicionales de detección de placa se basan en evaluaciones visuales realizadas por profesionales dentales, que pueden ser subjetivas y su precisión puede variar. Los avances recientes en inteligencia artificial y procesamiento de imágenes presentan una oportunidad para mejorar la detección y cuantificación de la placa dental a través de imágenes intraorales, proporcionando potencialmente una herramienta de evaluación más objetiva y eficiente.

Objetivos:

Comparar la precisión de los modelos de IA en la detección de placa dental con evaluaciones clínicas.

Determinar la sensibilidad, especificidad y rendimiento diagnóstico general de las tecnologías de IA.

Analizar el potencial de la integración de modelos de IA en exámenes dentales de rutina para pacientes pediátricos.

Metodología:

Participantes: Se reclutará una muestra de pacientes pediátricos, lo que garantizará una representación diversa de diversos estados demográficos y de salud dental.

Adquisición de imágenes: las imágenes intraorales se capturarán utilizando protocolos de imágenes estandarizados para garantizar la coherencia. Se obtendrán imágenes de alta resolución en condiciones controladas para minimizar la variabilidad.

Modelos de IA: se entrenarán varios algoritmos de IA, incluidas redes neuronales convolucionales (CNN) y técnicas de aprendizaje profundo, utilizando un conjunto de datos de imágenes intraorales anotadas. Estos modelos se evaluarán en función de su capacidad para identificar y cuantificar la placa dental.

Evaluación clínica: dentistas capacitados realizarán exámenes clínicos utilizando índices de placa estándar para evaluar la presencia y gravedad de la placa dental en la misma cohorte de niños.

Análisis de datos: se emplearán métodos estadísticos para comparar la precisión diagnóstica de los modelos de IA con evaluaciones clínicas, incluidos cálculos de sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo.

Resultados esperados:

El estudio tiene como objetivo dilucidar el papel de la IA en la mejora de la detección de la placa dental en niños, lo que podría conducir a mejores estrategias de tratamiento y atención preventiva. Los hallazgos también pueden contribuir al desarrollo de herramientas asistidas por IA para odontólogos.

Consideraciones éticas:

Este estudio cumplirá con las pautas éticas y garantizará que se obtenga el consentimiento informado de los tutores legales de los participantes pediátricos. La aprobación de la junta de revisión institucional (IRB) correspondiente se obtendrá antes del comienzo del estudio.