Un estudio explora el uso de un algoritmo de aprendizaje profundo para detectar caries oclusales

Un estudio de diagnóstico sobre la detección de caries oclusal a partir de una fotografía clínica usando un algoritmo de aprendizaje profundo será presentado en la 101° Sesión General de la IADR, que se realizará en conjunto con la 9° Reunión de la Región Latinoamericana y el 12° Congreso Mundial de Odontología Preventiva del 21 al 24 de junio de 2023, en Bogotá, Colombia.

La presentación de la Charla Interactiva, “Detección Automatizada de Caries Oclusales Utilizando Algoritmo de Aprendizaje Profundo”, se llevará a cabo el sábado 24 de junio a las 4:25 pm Hora Colombia (UTC-05:00) durante el “Prevalencia de Condiciones de Salud y Factores de Riesgo” sesión.

El estudio realizado por Chukwuebuka Elozona Ogwo de la Universidad de Temple, Filadelfia, Pensilvania, EE. UU. buscó determinar la exactitud, la precisión y la sensibilidad del algoritmo de detección de objetos YOLOv7 en la detección de caries oclusales a partir de fotografías clínicas y (2) desarrollar software para la detección de caries oclusales.

Solo se incluyeron en el estudio adultos (> = 18 años) con dentición permanente que recibieron atención en la Escuela de Odontología Kornberg de la Universidad de Temple. Estudiantes de odontología de cuarto año recopilaron 300 fotografías intraorales de las superficies oclusales de los arcos mandibular y maxilar utilizando las cámaras Coolpix L840. Las imágenes se anotaron utilizando Roboflow V4. Después del preprocesamiento y aumento de datos, se generaron 845 imágenes y se dividieron aleatoriamente en tres conjuntos: entrenamiento, validación y prueba: 70:20:10, respectivamente.

Luego, los datos se analizaron con YOLO v7 en 100 épocas, con un tamaño de lote de 1 y un tamaño de imagen de 1280×640. Las métricas de rendimiento del algoritmo fueron precisión promedio media (mAP), recuperación (sensibilidad) y precisión (valor predictivo positivo). El algoritmo final se utilizó para crear software en Flask y se implementó en Heroku.

El algoritmo dio como resultado una precisión del 79,5 %, una recuperación del 83 %, una puntuación F1 del 81,2 % y una puntuación mAP@0,5 del 80 % en la detección de caries oclusales en una fotografía clínica de los arcos mandibular y maxilar. El estudio arrojó un resultado prometedor de la IA al automatizar la detección de la lesión cariosa a partir de una fotografía clínica. Cuando se implementa como una aplicación de teléfono, puede servir como una herramienta importante para la teleodontología y mejorar el acceso a la atención.

Proporcionado por la Asociación Internacional para la Investigación Dental