Sistema automatizado para determinar el estadio de maduración dental en segundos molares inferiores

Objetivo: Desarrollar un sistema automatizado para la detección de estadios de maduración dental en segundos molares inferiores en radiografías panorámicas. Materiales y métodos: Se recopilaron 1142 imágenes radiográficas de una base de datos anonimizada de pacientes atendidos en el Centro de Salud CESA, Universidad de los Andes, Chile. Se utilizó el método de Demirjian para clasificar los estadios de maduración dental en segundos molares inferiores a partir de radiografías panorámicas previamente recortadas, las cuales sirvieron como datos de entrenamiento para algoritmos de aprendizaje profundo, específicamente redes neuronales convolucionales (MobileNet e Inception) con el fin de automatizar la clasificación. Posteriormente, se evaluó el rendimiento de ambos modelos. Resultados: El algoritmo Inception alcanzó un 97% de exactitud, 92% de precisión, 91% de sensibilidad y 89% de puntaje F1. El coeficiente kappa interoperador fue de 0.95, indicando un acuerdo casi perfecto. Estos resultados evidencian que el sistema identificó correctamente las etapas de maduración dental. Conclusiones: Se desarrolló un sistema basado en inteligencia artificial para la clasificación automática del estadio de maduración dental en segundos molares mandibulares. El modelo Inception mostró una evaluación precisa, con un alto nivel de concordancia con expertos, respaldado por un coeficiente kappa elevado, validando así su capacidad de clasificación.