EVIDENCIA CIENTÍFICA | LECTURA EN 1 MINUTO
Machine learning en odontopediatría: ¿qué investigaron?
Una revisión sistemática evaluó cómo el machine learning (aprendizaje automático), una rama de la inteligencia artificial, puede contribuir al análisis de datos y al estudio de las enfermedades bucales infantiles.
Los investigadores de la Universidad de Murcia analizaron 20 estudios seleccionados entre 1.945 publicaciones inicialmente identificadas. La revisión siguió las recomendaciones PRISMA y utilizó la herramienta QUADAS-2 para evaluar la calidad metodológica.
¿Cuáles fueron los resultados?
3 puntos clave
- Predicción de caries: 14 de los 20 estudios se centraron en identificar factores sociodemográficos, conductuales y biológicos asociados con la caries dental infantil.
- Costos y prevención: los análisis identificaron mayores costos para las aseguradoras en niños con lesiones tempranas de caries y un mayor ahorro asociado con la aplicación de selladores y fluoruros.
- Otras aplicaciones: se estudiaron factores relacionados con la calidad de vida de los adolescentes, la necesidad de repetir tratamientos bajo sedación profunda y la efectividad de los servicios odontológicos preventivos.
¿Qué significa para la práctica clínica?
El machine learning en odontopediatría permite identificar patrones y factores predictivos en grandes bases de datos, con posibles aplicaciones en la detección temprana de enfermedades y la planificación individualizada de tratamientos.
Los autores recomiendan incorporar estas herramientas a la investigación y a los programas educativos, y destacan la necesidad de desarrollar guías metodológicas y escalas de evaluación de calidad específicas para fortalecer la evidencia científica.
La revisión no establece que los algoritmos puedan reemplazar el diagnóstico clínico ni proporciona una medida única de precisión aplicable a todos los sistemas analizados.
Estudio original:
Application of machine learning for data analysis in paediatric dentistry: a systematic review.
Autores: Gómez-Ríos I. y colaboradores. Universidad de Murcia.