Beneficios de la inteligencia artificial en la identificación de caries dentales: revisón integradora
DOI:
https://doi.org/10.33448/rsd-v10i2.12117Palabras clave:
Caries dental; Salud bucal; Diagnóstico; Inteligencia artificial.Resumen
La inteligencia artificial (IA) es un mecanismo proveniente de softwares, que tiene como objetivo mimetizar las funciones cognitivas de los seres humanos. Actualmente, la búsqueda por su utilización crece aceleradamente en el ramo de la salud, contemplando diversas áreas, incluyendo la Odontología. La carie dental es una enfermedad dinámica, multifactorial y mediada por biopelícula, que resultado en la desmineralización y remineralización física de los tejidos dentales. La carie dental es una de las enfermedades crónicas que más afectan a las personas alredor del mundo. El objetivo de este trabajo fue realizar una revisión integral de la literatura actual sobre IA en la identificación de la carie, acentuando sus beneficios, limitaciones, relevancia e impacto. Por tanto, la pregunta norteadora es: ¿Cuán viable puede ser el uso de una tecnología más avanzada como IA para el diagnóstico de la carie dental? La investigación fue iniciada por medio de una búsqueda de artículos científicos publicados en la base de datos electrónica PubMed, Web of Science, Scopus y Cochrane, utilizando los descriptores: “caries dental”, “salud bucal, diagnóstico” y “inteligencia artificial” indexados en el período de 2009 a 2020. Posteriormente a los criterios de elegibilidad, fueran analizados 10 artículos publicados en lengua inglesa, portuguesa o española. La presente revisión integral fue capaz de reunir estudios recientes que acentúan el efecto de los métodos actuales de la inteligencia artificial en la salud bucal, mostrando su auxilio a la función del dentista cirujano, haciendo con que el diagnóstico sea realizado con más calidad, precisión y facilidad. Obteniendo de etsa manera una mayor eficacia en el tratamiento.
Citas
Javed, S. et al. Development of artificial neural network model for prediction of post-streptococcus mutans in dental caries. Scopus, 2019. https://www.sciencedirect.com/science/article/pii/S0169260719316347
Filho, J. C. B. L et al. Methods for detection of dental caries: from traditional to new technologies for clinical use. PubMed, 2011. http://files.bvs.br/upload/S/1983-5183/2012/v23n3/a2769.pdf
Schwendicke, Falk et al. Convolutional neural networks for dental image diagnostics: A scoping review. Scopus, 2019. https://www.sciencedirect.com/science/article/pii/S0300571219302283
Lee, Jae-Hong et al. Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm. Web of Science, 2018. https://www.sciencedirect.com/science/article/abs/pii/S0300571218302252
Chen, Yo-Wei et al. Artificial intelligence in dentistry: current applications and future perspectives. PubMed, 2020. https://pubmed.ncbi.nlm.nih.gov/32020135/
Hung, Man et al. Application of machine learning for diagnostic prediction of root caries. Web of Science, 2019. : https://www.researchgate.net/profile/Man_Hung2/publication/334258703_Application_of_machine_learning_for_diagnostic_prediction_of_root_caries/links/5ee4ba8ea6fdcc73be7815ad/Application-of-machine-learning-for-diagnostic-prediction-of-root-caries.pdf
Casalegno, F et al.Caries Detection with Near-Infrared Transillumination Using Deep Learning. PubMed, 2020. https://pubmed.ncbi.nlm.nih.gov/31449759/
Barbosa, Flávio de Souza et al. Using a neural network for supporting radiographic diagnosis of dental caries, Applied Artificial Intelligence:An International Journal, 2009. https://www.tandfonline.com/doi/abs/10.1080/08839510903246757
Charvát, J et al. Diffuse reflectance spectroscopy in dental caries detection and classification. Signal, ImageandVideo, 2020. https://doi.org/10.1007/s11760-020-01640-4
You, W et al. Deep learning-based dental plaque detection on primary teeth: a comparison with clinical assessments. BMC Oral Health, 2020. https://doi.org/10.1186/s12903-020-01114-6
Park, WookJoo et al. History and application of artificial neural networks in dentistry. European journal of dentistry, 2018. https://doi.org/10.4103/ejd.ejd_325_18
Prados-Privado, M et al. Dental Caries Diagnosis and Detection Using Neural Networks: A Systematic Review. Journal of Clinical Medicine, 2020. https://doi.org/10.3390/jcm9113579
Orhan, K. et al. Evaluation of artificial intelligence for detecting periapical pathosison cone‐beam computed tomography scans. International Endodontic Journal, 2020. https://onlinelibrary.wiley.com/doi/abs/10.1111/iej.13265
Kositbowornchai, S. et al. An Artificial Neural Network for Detection of Simulated Dental Caries.International Journal of Computer Assisted Radiology and Surgery, 2006. https://doi.org/10.1007/s11548-006-0040-x
Yüzbaşıoğlu, E. Attitudes and perceptions of dental students towards artificial intelligence. Journal of Dental Education, 2020. https://doi.org/10.1002/jdd.12385
Pereira A. S. et al. (2018). Metodologia da pesquisa científica. UAB/NTE/UFSM. https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic _Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Bianca Maria de Souza Cabral; Anna Beathriz Cariolano Marques; Maria Regina Almeida de Menezes; Esdras Gabriel Alves-Silva; Renata Araújo Gomes de Sá; Eloiza Leonardo de Melo; Marleny Elizabeth Márquez de Martínez Gerbi; Mávio Eduardo Azevedo Bispo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.