YOLO-Based Multiclass Classification of Peri-Implant Bone Loss Severity on Panoramic Radiographs Using Expert-Defined Reference Labels: A Retrospective Study

Resumen Técnico: Clasificación Multiclase de la Severidad de la Pérdida Ósea Periimplantaria Basada en YOLO

Planteamiento del Problema
La evaluación radiográfica de la pérdida ósea periimplantaria en imágenes panorámicas es una práctica clínica estándar, pero sigue siendo susceptible a la variabilidad del observador, particularmente en la identificación de lesiones en etapas tempranas. Si bien la inteligencia artificial (IA) y el aprendizaje profundo (DL) han mostrado potencial en la radiología dentomaxilofacial, los estudios previos se han centrado principalmente en la detección binaria de enfermedades o en la identificación de implantes. Existe una falta de investigación que aplique marcos de detección de objetos a la estratificación multiclase de la severidad de la pérdida ósea periimplantaria en radiografías panorámicas. Además, muchos sistemas de clasificación existentes dependen de parámetros clínicos (p. ej., la profundidad de sondaje) que no están disponibles en conjuntos de datos de solo imagen, lo que requiere un marco radiográfico reproducible y basado en proporciones para el análisis automatizado.

Metodología
Este estudio retrospectivo unicéntrico desarrolló y validó un marco de aprendizaje profundo basado en YOLO para la clasificación multiclase automatizada.

• Conjunto de Datos: El estudio utilizó 1,020 radiografías panorámicas que contenían 3,051 implantes dentales anotados. Los datos se dividieron en conjuntos de entrenamiento (693 imágenes), validación (228 imágenes) y prueba (99 imágenes) utilizando una relación estratificada de 70:20:10.
• Anotación y Estándar de Referencia: Tres especialistas (un radiólogo oral y maxilofacial, un periodoncista y un prostodoncista) evaluaron independientemente los implantes basándose únicamente en hallazgos radiográficos. Los desacuerdos se resolvieron mediante votación por mayoría. Los implantes se anotaron utilizando cuadros delimitadores rectangulares en la plataforma makesense.ai.
• Marco de Clasificación: Adoptando un enfoque basado en proporciones derivado de Hwang et al., la pérdida ósea se categorizó en cuatro clases en relación con la longitud total intraósea del implante:
  • Saludable (Healthy): Sin pérdida ósea detectable.
  • Grado S: Pérdida ósea ≤ 25%.
  • Grado M: Pérdida ósea entre 25% y 50%.
  • Grado A: Pérdida ósea ≥ 50%.
• Arquitectura del Modelo: Se entrenaron dos arquitecturas de detección de objetos, YOLOv8 y YOLOv12, bajo condiciones idénticas (300 épocas, tamaño de lote de 16, optimizador Adam) mediante aprendizaje por transferencia (transfer learning).
• Preprocesamiento: El flujo de trabajo de entrenamiento incluyó una amplia aumentación de datos en tiempo real (rotación, escalado, traslación, cizallamiento, transformación de perspectiva, volteo horizontal) y técnicas avanzadas como mosaic, mixup y aumentación de copy-paste para abordar el desequilibrio de clases y mejorar la generalización.
• Métricas de Evaluación: El rendimiento se evaluó utilizando Precisión, Recall, F1-score, mAP@0.5 y mAP@0.5:0.95.

Resultados Clave
Ambos modelos detectaron con éxito las cuatro categorías de severidad, aunque el rendimiento varió según la clase y la métrica:

• Rendimiento General:
  • YOLOv8 demostró una mayor Recall (sensibilidad) en la mayoría de las clases, particularmente para "Saludable" (0.83) y "Grado S" (0.92), lo que indica una fuerte sensibilidad para las categorías dominantes y de etapa temprana. También alcanzó el mAP@0.5 más alto para la clase Grado A (0.52).
  • YOLOv12 logró valores de mAP@0.5 más altos para las clases Saludable (0.46), Grado S (0.64) y Grado M (0.37), lo que sugiere un mejor equilibrio entre precisión y localización para estas categorías.
• Hallazgos Específicos de Clase:
  • Grado S fue la categoría detectada de manera más consistente en ambos modelos, con el mayor número de predicciones de verdaderos positivos en la matriz de confusión.
  • Error de Clasificación: Los errores ocurrieron con mayor frecuencia entre grupos de severidad adyacentes (p. ej., Saludable clasificado erróneamente como Grado S, o Grado M clasificado erróneamente como Grado S o A).
  • Precisión: Los valores de Precisión fueron generalmente bajos en todas las clases para ambos modelos (oscilando entre 0.21 y 0.57), mientras que el Recall se mantuvo más alto.
• Dinámica de Entrenamiento: Ambos modelos mostraron una reducción progresiva de la pérdida y una estabilización de las métricas. No se observó una divergencia significativa entre las tendencias de entrenamiento y validación, lo que indica convergencia sin un sobreajuste (overfitting) severo.

Significancia y Reivindicaciones
Los autores afirman que el marco propuesto basado en YOLO demuestra la viabilidad de la clasificación multiclase automatizada de la severidad de la pérdida ósea periimplantaria en radiografías panorámicas.

• Utilidad Clínica: El fuerte rendimiento de detección para el Grado S sugiere un valor potencial para el tamizaje radiográfico temprano, donde los cambios sutiles suelen ser pasados por alto o interpretados de manera inconsistente por los clínicos.
• Rol de la IA: El estudio posiciona a estos modelos como herramientas de apoyo a la decisión en lugar de sistemas de diagnóstico autónomos. Las fortalezas complementarias de YOLOv8 (alto recall) y YOLOv12 (alto mAP en clases específicas) respaldan su uso para mejorar la consistencia del flujo de trabajo y priorizar casos para la revisión experta.
• Contribución Metodológica: Al utilizar un marco radiográfico basado en proporciones, el estudio ofrece una estrategia de etiquetado reproducible que mitiga la influencia de la magnificación y distorsión panorámica, lo que lo hace adecuado para el entrenamiento de IA de solo imagen sin variables clínicas.

Limitaciones Reconocidas
Los autores señalan explícitamente varias limitaciones:

1. Modalidad de Imagen: El uso de radiografías panorámicas 2D limita la evaluación 3D y puede subestimar la pérdida ósea bucal/lingual en comparación con la CBCT.
2. Estándar de Referencia: Las etiquetas se basaron exclusivamente en la interpretación radiográfica, careciendo de variables clínicas (profundidad de sondaje, sangrado) centrales para el diagnóstico definitivo de la periimplantitis.
3. Generalizabilidad: El estudio fue unicéntrico con un único sistema de imagen, y no se utilizó un conjunto de datos de validación externa independiente.
4. Desequilibrio de Clases: El conjunto de datos estaba desequilibrado, siendo el Grado S el dominante y el Grado A/M subrepresentado, lo que puede afectar la optimización del modelo para las clases más raras.

En conclusión, el artículo sostiene que, si bien los modelos basados en YOLO pueden categorizar eficazmente la severidad de la pérdida ósea periimplantaria, su implementación requiere una validación multicéntrica adicional, la integración con datos clínicos y una evaluación prospectiva antes de su implementación clínica rutinaria.