Por
Ravichandran manisekaran 1*, Verónica Campos Ibarra 2
1 Universidad Nacional Autónoma de México, Escuela Nacional de Estudios Superiores, Laboratorio de Investigación Interdisciplinaria, León Guanajuato, México
2 Universidad Nacional Autónoma de México, Escuela Nacional de Estudios Superiores, Laboratorio de Investigación Interdisciplinaria, León Guanajuato, México
Palabras clave
La Inteligencia Artificial (IA) se describe como una tecnología disruptiva con el potencial de transformar significativamente diversas áreas de la vida. La IA se ha convertido en un motor clave de cambio y evolución entre los campos de la salud, y la odontología no es una excepción. En este artículo se mencionan las principales diferencias en los tipos de IA para da a conocer algunas aplicaciones y su principal área de colaboración en odontología, ya que es un campo siempre dispuesto a adaptar los adelantos tecnológicos, utilizando materiales innovadores y procedimientos de vanguardia en beneficio de un mejor proceso clínico y pronóstico en los planes de tratamiento. Por lo que es importante narrar el inicio de esta nueva era tecnológica, de la mano de colaboradores artificiales que prometen mejoras en todas las áreas donde se proyecta su uso.
- Introducción
Hoy en día, la Inteligencia Artificial (IA) está evolucionando rápidamente, desde el procesamiento del lenguaje natural en sus inicios, hasta el aprendizaje automático y profundo actualmente (Garcia-Diaz et al., 2020). En paralelo, investigadores y profesionales de la salud en todo el mundo se preparan para aplicar estas tecnologías en áreas clave como el diagnóstico tratamiento médico. De aquí surge una pregunta importante ¿Cómo impactará IA en el cuidado de la salud bucal? (Uribe, 2021).
En odontológica, el uso de herramientas digitales no es reciente. Desde hace décadas, se han utilizado técnicas innovadoras para mejorar la experiencia del paciente y ofrecer tratamientos más precisos y personalizados. Sin embargo, los sistemas de IA de aprendizaje profundo o Deep Learning (DL) se ha implementado apenas en los últimos años.
Tipos de Inteligencia Artificial
Para entender mejor como funciona la IA, podemos clasificar sus sistemas según su capacidad de análisis y respuesta. A continuación, describimos cuatro de los principales tipos:
IA Reactiva: respuesta inmediata sin aprendizaje
Las máquinas reactivas son los modelos más simples y antiguos ya que procesan la información y los datos con los que son programados en tiempo real. No almacenan memoria y su rol es únicamente de respuesta, no de aprendizaje por lo que no evoluciona por si misma ni mejoran su rendimiento. Su función es reaccionar a estímulos de manera inmediata y precisa.
Sus usos en la práctica clínica pueden ser los chatbots, que responder preguntas frecuentes, agendan citas y enviar recordatorios por WhatsApp, correo electronico o SMS. Otros ejemplos en diversas áreas, incluyen programas del ajedrez, sistemas de alarmas, sensores de tráfico o los motores de recomendación de plataformas como steaming.
IA Deliberativa: análisis y toma de decisiones
Este tipo de IA es más avanzada ya que utiliza una combinación de información actual y previa para la resolución de problemas. En este nivel de tecnología se encuentran los sistemas que asisten en la planificación del tratamiento y el apoyo en la toma de decisiones médicas. Esta IA analiza grandes cantidades de datos clínicos, literatura científica y registros de pacientes para recomendar las opciones terapéuticas más adecuadas.
Figura 1. La integración de la inteligencia artificial en la consulta dental permite involucrar activamente al paciente en el proceso diagnóstico, brindándole mayor participación en la elección y aceptación del plan de tratamiento (Imagen: Leonardo.Ai 2024)
IA basada en reglas: instructivos y procesos
La IA basada en reglas se fundamenta en un con junto de instrucciones predefinidas que ayudan a tomar decisiones bajo condiciones específicas. Requiere normas clara y predecibles, lo que lo hace útil en procesos industriales de control de calidad, sistemas financieros y sistemas de seguridad. En el ámbito clínico es ideal para tareas como gestión de citas, historias clínicas, seguimientos de tratamientos y mejoras en la experiencia del paciente.
IA de aprendizaje automático: Análisis de datos
A diferencia de la IA basada en reglas, los sistemas de aprendizaje automático (machine learning) no necesitan ser programados con normas e instrucciones específicas. Sino que son capaces de aprender rápidamente, a partir de una base de datos analizados. Esto permite una interacción personalizada, optimizando procesos como el análisis de resultados clínicos y de laboratorio, asistiendo durante el diagnóstico y recomendando las vías de tratamiento o toma de decisiones médicas.
IA de Aprendizaje Profundo: redes neuronales artificiales
la IA de aprendizaje profundo o Deep learning (DL) es un sistema evolucionado del aprendizaje automático, que utiliza redes neuronales artificiales con múltiples capas para procesar grandes cantidades de información y detectar patrones complejos. Por ejemplo, en odontología, ya se aplican softwares basados en DL para analizar imágenes 3D, predecir movimientos dentales y óseos, detectar caries o fracturas dentales, diagnosticar enfermedades específicas y optimizar la colocación de implantes o la creación de restauraciones dentales. Este tipo de tecnología se encuentra fácilmente disponible en aplicaciones como Google Gemini, chat GPT, Yoriki, Meta IA y Leonardo.Ai, capaces de generar contenido visual realista o analizar conjunto de datos con una alta precisión.
Aplicación de la IA en odontología
Los adelantos en IA en las áreas médicas y dentales son prometedoras. Ya que su aplicación puede ayudar a reducir los tiempos clínicos, ofreciendo diagnósticos más precisos y tratamientos más adecuados. Todo esto con la finalidad de mejorar la eficiencia de los procesos clínicos y elevar la calidad de la atención a la salud e impactar en la calidad de vida de los pacientes. La tabla 1 y figura 2 muestran los tipos y logos de IA y algunos usos que se le da en entornos médicos y dentales.
Tabla 1. Apps de uso odontológico relacionados con cada sistema de IA
| Sistema | Usos | Ejemplos en áreas de la salud |
| Máquinas reactivas | Consultas | Doctoralia, Medicheck, Zocdoc, MyhealthBotHealthTap |
| Deliberativo | Toma de decisiones | Watson for Oncology, DeepMind Health, AvaDent, AdaHealth |
| Basado en reglas | Gestión y planificación | Open Dental, Dentrix, Curve Dental, Dental Intelligence |
| Aprendizaje automático | Predicciones, Diagnóstico y toma de decisiones | Prevision Ortodoncia, OralID, Cariology SoftwareOrthodontic Screening, Radiologia Dental AvanzadaImplant-Assitant, ImplaFrame, AI Dental Surgery3D Tooth Atlas, DentalAI, AI-guied surgery, SurgiCAD |
Figura 2. Logos actuales de apps que usan distintos sistemas de inteligencia artificial
Así, podemos enumerar algunos ejemplos de sus aplicaciones: 1) Una publicación en la revista BMC Oral Health del 2024 destaca cómo los modelos de DL pueden ser utilizado en la detección de displasia epitelial oral con una precisión del 86.5%(Warin & Suebnukarn, 2024), 2) Puede mejorar la precisión para predecir el tiempo de superviviencia basado en datos clínico-patológicos del cáncer oral, lo que apoya tanto en las fases tempranas como tardías de patologías orales para adecuar los tratamientos oportunos y mejorar el pronóstico del paciente (Peng et al., 2024), 3) La IA facilita la identificación de patrones en datos de pacientes, permitiendo la creación de planes de tratamiento personalizados (Liu et al., 2020).
IA en investigación de biomateriales
Los biomateriales juegan un papel principal en odontología, ya que se emplean diversos materiales poliméricos, metálicos y compuestos en los tratamientos restauradores, quirurgícos y endodónticos, entre otros. En los últimos años, la inteligencia artificial ha desempeñado un papel clave en el diseño y aplicación de estos materiales. La IA permite desarrollar biomateriales con propiedades fisicoquímicas optimas, con mayor resistencia, elasticidad y biocompatibilidad, etc para ser utilizados en ambientes altamente corrosivos como es la cavidad oral (Figura 3). Actualmente, las bases de datos especializadas como Pub Tator, el Compendio de Transcriptómica de Biomateriales (cBiT), BIOMATDB y DEBBIE son utilizadas por investigadores para diseñar y fabricar biomateriales avanzados con propiedades mejoradas. Sin embargo, hasta el momento, estos modelosse encuentran en fase experimental y aún necesitan validación para su implementación práctica en entornos clínicos (Mateu-Sanz et al., 2024).
Figura 3. Imagen creada con la IA Leonardo.Ai donde se observa un ambiente futurista en el diseño de nuevos materiales apoyados por inteligencia artificial.
Conclusión
La inteligencia artificial se ha consolidado como una herramienta útil y de uso frecuente en el ámbito odontológico, actuando como asistente y apoyo en diversas tareas clínicas. Mientras que el aprendizaje profundo es un colaborador con gran potencial para mejorar la precisión diagnóstica, la planificación de tratamientos y la atención al paciente. Sin embargo, hay que destacar que la interpretación final de los datos y la toma de decisiones clínicas siguen estando en manos del juicio humano, en este caso del profesional de la salud, quienes pueden considerar factores contextuales, éticos y emocionales que la IA aún no puede evaluar. Además, la integración de nuevas tecnologías implica importantes desafíos, como la necesidad de inversiones económicas significativas, que podría limitar el acceso equitativo a estos servicios y la evaluación de modificaciones en el consentimiento informado que incluyan responsabilidad legal del uso de información personal y sensible. Por lo tanto, la IA puede ser vista como una aliada complementaria en odontología que no remplaza en juicio clínico y que requiere ser regulada.
Referencias
Garcia-Diaz, J. A., Almela, A., Alcaraz-Marmol, G., & Valencia-Garcia, R. (2020). UMU CorpusClassifier: Compilation and evaluation of linguistic corpus for Natural Language Processing tasks. Procesamiento Del Lenguaje Natural, 65. doi.org/10.26342/2020-65-22
Liu, Z., Chen, X., Men, K., Yi, J., & Dai, J. (2020). A deep learning model to predict dose–volume histograms of organs at risk in radiotherapy treatment plans. Medical Physics, 47(11). doi.org/10.1002/mp.14394
Mateu-Sanz, M., Fuentes-López, C. V., Uribe-Gomez, J., Haugen, H. J., Pandit, A., Ginebra, M. P., Hakimi, O., Krallinger, M., & Samara, A. (2024). Redefining biomaterial biocompatibility: challenges for artificial intelligence and text mining. In Trends in Biotechnology, 42(4). doi.org/10.1016/j.tibtech.2023.09.015
Mi inteligencia artificial.com (10 de junio 2024). ¿Cuáles son los tipos de inteligencia Artificial que existen? https://miinteligenciaartificial.com/tipos-de-inteligencia-artificial-que-existen/
Peng, J., Xu, Z., Dan, H., Li, J., Wang, J., Luo, X., Xu, H., Zeng, X., & Chen, Q. (2024). Oral epithelial dysplasia detection and grading in oral leukoplakia using deep learning. BMC Oral Health, 24(1). doi.org/10.1186/s12903-024-04191-z
Uribe, S. (2021). Futuro de la inteligencia artificial en Odontología. Odontología Sanmarquina, 24(3). doi.org/10.15381/os.v24i3.20726
Warin, K., & Suebnukarn, S. (2024). Deep learning in oral cancer- a systematic review. BMC Oral Health, 24(1). doi.org/10.1186/s12903-024-03993-