Efectividad de la inteligencia artificial en el tratamiento del diagnóstico de caries: Una revisión integradora
DOI:
https://doi.org/10.33448/rsd-v10i4.13083Palabras clave:
Caries dental; Inteligencia artificial; Odontología.Resumen
La Inteligencia artificial denominada IA o en inglés AI (artificial intelligence) es un ramo de la ciencia de la computación que utiliza los ritmos semejantes a un especialista en el acto de tomar decisiones y resolver problemas complejos. En la salud los benefícios vienen por la generación de datos para la optimización de procesos en la gestión, identificando mejores tratamientos y ayudando en la prevención y detección de enfermedades en su etapa inicial. El objetivo de este trabajo fue realizar una revisión integral de la literatura actual sobre la IA para el diagnóstico precoz en lesiones de caries, considerando los beneficios, las limitaciones y el impacto para la sociedad y para la salud bucal. Una revisión integral de la literatura fue realizada por medio de una búsqueda de 6 artículos científicos en inglés en bases de datos electrónicas: PubMed, Cochrane, Scopus, y Web of Science, utilizando los descriptores: caries dental, Inteligencia artificial y odontologia. Además de esto, otros 6 artículos fueron encontrados a través de búsqueda manual indexados en el período de 2016 a 2020 que trataban de estudios de informes de caso, estudio in vitro e in vivo. Posteriormente a los criterios de elegibilidad, fueron analizados 12 artículos íntegramente publicados en lengua inglesa y lengua portuguesa. Los estudios mostraron que los varios métodos actuales de Inteligencia artificial ofrecen más precisión, facilidad en el diagnóstico y eficacia en el tratamiento. Sin embargo, esta técnica está pasando por una fase experimental, necesitando optimización para diminuir la probabilidad de errores y equívocos causados por este sistema.
Citas
Angelino, K., Edlund, D.A., Shah, P., et al. (2017). Near-Infrared Imaging for Detecting Caries and Structural Deformities in Teeth. (5):2300107. doi: 10.1109 / JTEHM.2017.2695194.
Araújo, A. A., et al. (2020). Métodos de detecção e diagnóstico de cárie: uma revisão narrativa. Research, Society and Development. 9(10), e36291110019. doi: 10.33448/rsd-v9i10.10019.
Cruz, A. I., Gomes, Neto, M. M., Lima, W. T. S., Silva, W. A., Hora, S. L. (2020). Novos métodos de diagnóstico para detecção da cárie dental - Revisão integrativa. Research, Society and Development. 9(10, e7209109160. doi: 10.33448/rsd-v9i10.9160
Dündar, A., Çiftçi, M. E., İşman, Ö., Aktan, A. M. (2020). In vivo performance of nearinfrared light transillumination for dentine proximal caries detection in permanent teeth. The Saudi dental journal, 32(4), 187–193. https://doi: 10.1016/j.sdentj.2019.08.007
Endres, M. G., Hillen, F., Salloumis, M., Sedaghat, A. R., Niehues, S. M., Quatela, O., et al. (2020). Development of a Deep Learning Algorithm for Periapical Disease Detection in Dental Radiographs. Diagnostics (Basel). 10(6): 430. https://doi: 10.3390/diagnostics10060430.
Hung, M., Voss, M. W., Rosales, M. N., Li, W., Su, W., Xu, J., et al. (2019). Application of machine learning for diagnostic prediction of root caries. Web of Science, 36: 395–404. https://doi: 10.1111/ger.12432
Leão, Filho. J. C. B., de Souza, T. R. (2017). Métodos de detecção de cárie: do tradicional às novas tecnologias de emprego clínico. Revista de Odontologia da Universidade Cidade de São Paulo, 23(3), 253-265. Recuperado de http://publicacoes.unicid.edu.br/index.php/revistadaodontologia/article/view/385
Lee, J. H., Kim, D. H., Jeong, S. N., Choi, S. H. (2018). Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm. 77: 106-111. https://doi: 10.1016/j.jdent.2018.07.015
Pereira, A. S., et al. (2018). Metodologia da Pesquisa Cientifica. (e-book). Santa Maria. Ed. UAB/NTE/UFSM.
Pingali, L. (2019). Personal oral health consultant using multimodal machine detection and learning with smartphones and cloud. (10). https://doi: 10.1109/ CCEM48484.2019.000-3
Shan, T., Tay, F. R., Gu, L. (2020). Application of Artificial Intelligence in Dentistry. SAGE Journal, 100(3):232-244. https://doi: 10.1177/0022034520969115
Schwendicke, F., Golla, T., Dreher, M., Krois, J. (2019). Convolutional neural networks for dental image diagnostics: A scoping review. 91: 103226. https://doi: 10.1016/j.jdent.2019.103226
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Dayanne Karla de Carvalho; Maria Luiza Lima Costa; Esdras Gabriel Alves-Silva; Eloiza Leonardo de Melo; Marleny Elizabeth Márquez de Martínez Gerbi; Mávio Eduardo Azevedo Bispo; Renata Araújo Gomes de Sá; Maria Regina Almeida de Menezes
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.
