Multicenter Evaluation of the Accuracy and Clinical Reliability of an Artificial Intelligence- Based System for Skeletal Maturity Indicators Staging

Los niños en crecimiento no solo están aumentando de estatura; sus cuerpos están experimentando una compleja transformación interna donde los huesos se endurecen, las articulaciones se fusionan y los estirones se aceleran y luego se ralentizan. Para los ortodoncistas, el momento del tratamiento lo es todo. Mover los dientes o guiar el crecimiento de la mandíbula funciona mejor cuando el cuerpo se encuentra en una fase específica de este desarrollo biológico, una ventana de oportunidad que tiene poco que ver con la edad cronológica real del niño y todo que ver con su edad esquelética. Para encontrar esta ventana, los médicos han dependido durante mucho tiempo de radiografías de mano y muñeca, observando los diminutos huesos de la mano y la muñeca para ver qué tan avanzado está un niño en su maduración física. Este proceso, sin embargo, requiere que un experto humano examine cuidadosamente la imagen, identifique formas óseas específicas y asigne una etapa al desarrollo del paciente. Es una habilidad que toma años dominar y, como cualquier tarea humana, puede variar de un médico a otro.

A medida que la inteligencia artificial ha comenzado a asistir en muchas áreas de la medicina, los investigadores se han preguntado si un programa informático podría aprender a leer estas radiografías con el mismo cuidado y consistencia que un especialista humano. Un nuevo estudio publicado por un equipo de la Universidad Yonsei en Corea del Sur se propuso probar un sistema de software comercial diseñado para hacer precisamente esto. Los investigadores querían saber si esta inteligencia artificial podría determinar de manera confiable la etapa de madurez esquelética de un niño en diferentes hospitales y para diferentes tipos de pacientes, o si solo funcionaría bien en un entorno controlado y de una sola ubicación. Reunieron a un gran grupo de pacientes de dos hospitales dentales distintos, cubriendo un amplio rango de edades y patrones de crecimiento, para ver si la computadora podía igualar el juicio de especialistas en ortodoncia experimentados.

El estudio consistió en la revisión de los registros médicos y las radiografías de mano y muñeca de 595 pacientes, con edades comprendidas entre los seis y los dieciocho años, que habían visitado uno de dos hospitales afiliados a universidades en Corea del Sur. En estos hospitales, los pacientes se habían sometido a evaluaciones ortodónticas estándar, que incluían la toma de radiografías de sus cabezas y manos. Los investigadores primero establecieron un "estándar de oro" para cada paciente, haciendo que especialistas en ortodoncia experimentados revisaran las radiografías y las cotejaran con las historias clínicas de los pacientes. En los casos en que los especialistas no estaban de acuerdo, se convocó a un tercer experto para tomar la decisión final. Esta etapa derivada de humanos sirvió como el punto de referencia contra el cual se probó la inteligencia artificial. El software informático, que nunca había visto estas radiografías específicas, analizó las imágenes por su cuenta para predecir la misma etapa de madurez.

Los resultados mostraron que el sistema de inteligencia artificial funcionó con un alto grado de consistencia y confiabilidad. Al comparar las predicciones de la computadora con las decisiones finales de los expertos humanos, ambas coincidieron exactamente en el 73 por ciento de todos los casos. Si los investigadores permitían un margen de error de solo una etapa arriba o abajo, el acuerdo aumentó al 96 por ciento. Esto significa que, en casi todos los casos, la computadora estaba en el punto exacto o erraba por una cantidad muy pequeña y clínicamente insignificante. El sistema demostró ser igualmente efectivo en ambos hospitales, a pesar de que las dos ubicaciones utilizaban diferentes máquinas de rayos X y tenían poblaciones de pacientes distintas. El análisis estadístico confirmó que la ubicación del hospital no influyó en la precisión de los resultados, lo que sugiere que el software es lo suficientemente robusto como para trabajar en entornos clínicos variados sin necesidad de ser reentrenado para cada nuevo entorno.

El estudio también reveló que la precisión del sistema no era uniforme en todos los grupos de personas. La computadora fue significativamente más precisa al evaluar a pacientes femeninas que a pacientes masculinos. Específicamente, coincidió exactamente con los expertos humanos el 76 por ciento de las veces para las niñas, en comparación con el 69 por ciento para los niños. Una investigación más profunda mostró que esta diferencia era impulsada por la etapa de la pubertad. El sistema fue más preciso con las niñas que ya habían iniciado su ciclo menstrual, coincidiendo con los expertos el 8án 84 por ciento de las veces. Para aquellas que aún no habían alcanzado ese hito, la precisión cayó al nivel de los niños. Esto sugiere que los cambios esqueléticos que ocurren después del inicio de la menstruación son quizás más distintos o más fáciles de reconocer para el algoritmo que los cambios que ocurren antes de ella. Curiosamente, el tipo de relación mandibular que tenía un paciente —ya fuera que sus mandíbulas superior e inferior estuvieran alineadas normalmente, prominentes o retraídas— no afectó la capacidad de la computadora para leer las radiografías. El sistema funcionó igual de bien independientemente de estos patrones esqueléticos.

Al observar las etapas específicas de desarrollo, la computadora destacó en la identificación del puro comienzo y del final del proceso de crecimiento. Fue casi perfecta al reconocer la etapa más temprana de desarrollo y la etapa final donde el crecimiento se completa. Estas son etapas críticas para la planificación del tratamiento, ya que saber cuándo ha terminado el crecimiento es esencial para decidir si proceder con la cirugía o continuar con los brackets. El sistema fue menos preciso en las etapas intermedias, particularmente alrededor del pico del estirón de crecimiento, donde la tasa de coincidencia exacta era menor. Sin embargo, incluso en estas etapas medias difíciles, la computadora rara vez cometía un error grande. Casi siempre adivinaba una etapa que estaba justo al lado de la correcta, en lugar de saltar muy adelante o quedarse muy atrás. Este patrón de errores pequeños y adyacentes es mucho menos peligroso en un entorno clínico que un error grande y aleatorio, ya que mantiene el plan de tratamiento dentro de un rango seguro y lógico.

Los investigadores concluyeron que este sistema de inteligencia artificial es una herramienta altamente confiable que puede apoyar a los ortodoncistas en su práctica diaria. Al proporcionar una evaluación consistente y rápida de la madurez esquelética, el software puede ayudar a los médicos a determinar el momento óptimo para el tratamiento con mayor confianza. El estudio demostró que el sistema funciona bien en diferentes hospitales y para un grupo diverso de pacientes, con la notable excepción de que actualmente funciona ligeramente mejor para las niñas que han pasado el inicio de la menstruación. Si bien la computadora no es perfecta, su capacidad para evitar errores mayores y su alta tasa de acuerdo con los expertos humanos sugieren que está lista para ser utilizada como un valioso apoyo en entornos clínicos del mundo real, ayudando a asegurar que el tratamiento ortodóntico se entregue en el momento más efectivo del crecimiento de un niño.