No, no es para que creas que diras algo como: ¿Yarvis el paciente necesita extracciones?. No estamos ni sera así. El estudio que compartimos hoy se llama A Novel Multimodal Deep Image Analysis Model for Predicting Extraction/Non-Extraction Decision y publicado por el Orthodontics & Craniofacial Research, desarrolla un modelo de aprendizaje profundo para predecir si un paciente de ortodoncia requerirá extracciones o no.
Para ello, utiliza una combinación de radiografías cefalométricas laterales (LCRs) y escaneos intraorales (IOS). Su objetivo es proporcionar una herramienta adicional de apoyo a la decisión para los ortodoncistas, mejorando la precisión en la planificación del tratamiento. El modelo fue entrenado con datos de 617 pacientes, extrayendo características tanto de las mediciones tradicionales y novedosas de los escaneos intraorales, como de la detección automática de puntos de referencia y autoencoders aplicados a las radiografías cefalométricas .
Los resultados mostraron que los enfoques multimodales, particularmente los que combinan los escaneos intraorales con los puntos de referencia cefalométricos, ofrecieron un rendimiento superior. El modelo IOS + Land (escaneos intraorales + puntos de referencia) alcanzó la mayor precisión general (77%) y una alta especificidad (83%), lo que significa que es bueno para identificar correctamente los casos de no extracción. Los autores del artículo concluyeron que estos modelos de aprendizaje profundo pueden predecir con alta precisión las decisiones de extracción/no extracción, y que la integración de diferentes tipos de información de imágenes (multimodalidad) mejora significativamente el rendimiento diagnóstico en comparación con los modelos que usan una sola fuente de datos .
