Inteligencia artificial en el diagnóstico, tratamiento y pronóstico en Endodoncia: revisión exhaustiva de la literatura

El objetivo de este artículo es realizar una revisión exhaustiva de las aplicaciones de la inteligencia artificial (IA) en endodoncia, enfocándose en el diagnóstico, tratamiento y pronóstico. Para la recopilación de información, se realizó una búsqueda en las bases de datos científicas PubMed, Scopus, ScienceDirect y Google Scholar, seleccionando estudios en inglés entre 2016 y 2025. Tras aplicar criterios de inclusión y exclusión y eliminar duplicados, se incluyeron 51 artículo. En el Diagnóstico, modelos de IA basados en redes neuronales convolucionales (CNN), como Diagnocat, han demostrado una precisión superior al 90% en la detección de lesiones periapicales mediante radiografías y CBCT. Asimismo, algoritmos de IA han logrado identificar fracturas radiculares verticales en radiografías. En el análisis de la morfología radicular y de conductos, los modelos de aprendizaje profundo mostraron alta precisión en la detección de conductos radiculares en forma de C y otras variaciones anatómicas. En cuanto al tratamiento, modelos de aprendizaje profundo ayudan a mejorar la planificación del mismo. Además, algoritmos basados en redes neuronales han superado la precisión de los localizadores de ápice electrónicos tradicionales en la determinación de la longitud del conducto radicular. Respecto al pronóstico, los modelos de IA han alcanzado una precisión del 95.6% al predecir el dolor tras un tratamiento de conducto. No obstante, enfrenta limitaciones como la necesidad de grandes volúmenes de datos, el alto costo y la falta de autodesarrollo. Futuros estudios deben abordar estos desafíos para mejorar su integración en la práctica clínica.

• 第一著者: González Rodríguez, Nathaly Adriana (author)
• その他の著者: Malla Domínguez, Gianella Fernanda (author)
• フォーマット: bachelorThesis
• 言語: spa
• 出版事項: 2025
• 主題: Odontología; Inteligencia artificial; Red neuronal convolucional; Endodoncia; Diagnóstico; Terapéutica; Odontología::Endodoncia
• オンライン･アクセス: https://dspace.ucuenca.edu.ec/handle/123456789/47348