Artificial Intelligence for Tooth Numbering and Full-Mouth Series Placement

Los dentistas dependen de un conjunto específico de imágenes de rayos X para ver el panorama completo de la boca de un paciente. Esta colección, conocida como una serie de boca completa, consiste en docenas de fotografías individuales, cada una de las cuales captura una pequeña sección de dientes y hueso. Para dar sentido a estas imágenes, un dentista debe saber exactamente qué diente aparece en cada fotograma y dónde pertenece ese fotograma en la secuencia final. Tradicionalmente, esta ha sido una tarea manual. Un humano debe observar cada imagen, identificar los dientes, asignarles un número basándose en un sistema universal y luego organizar las fotos en el orden correcto. Este proceso consume mucho tiempo y es propenso al error humano, especialmente cuando las imágenes están borrosas, faltan dientes o el sensor de rayos X se sostuvo en un ángulo ligeramente distinto.

En años recientes, las computadoras se han vuelto lo suficientemente potentes como para aprender a ver e interpretar imágenes médicas, un campo conocido como inteligencia artificial. Estos sistemas utilizan el aprendizaje profundo (deep learning), un método donde una computadora analiza miles de ejemplos para aprender patrones sin ser programada explícitamente con reglas para cada escenario. Si bien las computadoras ya han demostrado que pueden detectar caries o huesos rotos, organizar automáticamente un conjunto completo de radiografías dentales ha seguido siendo un desafío difícil. La complejidad no radica solo en identificar un solo diente, sino en comprender cómo un grupo de imágenes encaja entre sí como las piezas de un rompecabezas más grande, incluso cuando algunas piezas faltan o están rotadas.

Un equipo de investigadores de la Escuela de Odontología de la Universidad de Ciencias de la Salud de Texas en Houston, junto con colaboradores de la Universidad Nacional Yang Ming Chiao Tung, ha desarrollado una nueva forma de resolver este problema. Crearon un sistema automatizado que puede detectar dientes, numerarlos correctamente y organizar un conjunto completo de radiografías en el orden adecuado con una velocidad y precisión notables. Su trabajo, publicado en un estudio que involucró más de 5,000 radiografías de 354 pacientes, demuestra que una computadora ahora puede manejar todo el flujo de trabajo de organizar imágenes dentales, una tarea que anteriormente requería una atención humana significativa.

Los investigadores comenzaron recopilando un conjunto de datos masivo de radiografías dentales. Recopilaron 5,431 imágenes de 354 pacientes diferentes, cubriendo tanto la mandíbula superior como la inferior. Cada uno de los dientes en estas imágenes fue cuidadosamente marcado por profesionales dentales, quienes dibujaron un cuadro alrededor de cada uno y le asignaron su número correcto. Esto creó una "verdad fundamental" (ground truth), una referencia perfecta que la computadora podía usar para aprender. Luego, el equipo entrenó sus modelos de inteligencia artificial con estos datos, enseñando al sistema a reconocer la forma, posición y número de los dientes en diversas condiciones.

El sistema opera en tres etapas principales. Primero, utiliza una herramienta de detección para encontrar cada diente en una radiografía. A diferencia de los métodos antiguos que dibujan simples cuadros cuadrados alrededor de los objetos, este sistema utiliza cuadros angulados que pueden inclinarse y rotar para coincir con la posición exacta de un diente. Esto es crucial porque los dientes en una radiografía a menudo aparecen en ángulos extraños dependiendo de cómo se colocó el sensor en la boca. Una vez localizados los dientes, el sistema identifica qué diente es, asignándole un número del uno al treinta y dos, siguiendo el sistema de numeración universal estándar utilizado por los dentistas.

La parte más innovadora del estudio es cómo el sistema organiza las imágenes. En lugar de solo mirar un diente a la vez, la computadora analiza la relación entre múltiples imágenes. Los investigadores diseñaron el sistema para que piense en las radiografías como piezas de un rompecabezas. Así como una persona podría mirar el borde de una pieza de rompecabezas y la curva de otra para ver si encajan, la computadora analiza la relación espacial entre diferentes imágenes de rayos X. Aprende que una imagen que muestra los dientes frontales pertenece junto a una imagen que muestra los dientes laterales, y que una imagen de la mandíbula superior encaja en un lugar diferente que una de la mandíbula inferior. Este enfoque permite que el sistema coloque las imágenes correctamente incluso si faltan algunos dientes o si la anatomía no es clara, una situación en la que los métodos anteriores solían fallar.

Los resultados de este proceso automatizado fueron impactantes. Cuando los investigadores probaron su sistema, este identificó y numeró correctamente los dientes en el 99 por ciento de los casos. Más importante aún, cuando se trató de organizar el conjunto completo de radiografías en el orden correcto, el sistema acertó el 98 por ciento de las veces. Este alto nivel de precisión se mantuvo constante en diferentes tipos de imágenes, incluyendo las de la mandíbula superior, la mandíbula inferior y las imágenes de mordida (bitewing) que muestran las coronas de los dientes. El sistema funcionó particularmente bien con los dientes frontales y los dientes posteriores en ambos lados, ocurriendo solo confusiones menores entre imágenes que eran muy similares entre sí, como las dos imágenes del extremo derecho de la mandíbula inferior.

Uno de los logros más significativos de este estudio es la capacidad del sistema para manejar las imágenes de mordida (bitewing). Estas radiografías específicas, que muestran la parte superior de los dientes y el hueso entre ellos, históricamente han sido difíciles de colocar automáticamente para las computadoras porque muestran menos de la raíz del diente y a menudo carecen de puntos de referencia claros. Los intentos previos de automatizar la organización de imágenes dentales solían tener dificultades con estas fotos específicas. El nuevo sistema, sin embargo, colocó las imágenes de mordida con un 96 por ciento de precisión, demostrando que puede gestionar la complejidad total de un examen dental sin necesidad de que un humano intervenga para corregir el orden.

Los investigadores probaron su sistema rigurosamente para asegurar que los resultados fueran confiables. Dividieron sus datos en cinco grupos separados y entrenaron a la computadora con cuatro grupos mientras la probaban con el quinto, repitiendo este proceso cinco veces para que cada imagen fuera probada exactamente una vez. Este método aseguró que el sistema no estuviera simplemente memorizando las respuestas, sino que realmente estuviera aprendiendo a reconocer patrones que se aplican a nuevos pacientes no vistos. La consistencia de los resultados a través de las cinco pruebas sugiere que el sistema es robusto y está listo para su uso en el mundo real, siempre que sea validado en un entorno clínico.

Este trabajo representa un cambio en cómo podría manejarse la imagenología dental en el futuro. Al automatizar las tareas tediosas de contar dientes y clasificar imágenes, el sistema libera tiempo para que los profesionales dentales se concentren en el diagnóstico y el tratamiento. El estudio muestra que la inteligencia artificial puede aprender las sutiles relaciones espaciales en las radiografías dentales, yendo más allá de la simple detección para comprender el contexto de toda la boca. Aunque el sistema es actualmente una herramienta de investigación, su alta precisión y su capacidad para manejar casos difíciles como las imágenes de mordida sugieren que pronto podría convertirse en una parte estándar del flujo de trabajo dental, agilizando el proceso desde el momento en que se toma una radiografía hasta el momento en que está lista para que un dentista la revise.