Estimación de la gravedad de lesiones bucales con un modelo de aprendizaje profundo

Artículo sobre Inteligencia Artificial (IA) en Odontología, publicado en International Dental Journal.

Se recogieron un total de 1.134 informes de radiografía CBCT propiedad de la Universidad de Ciencias Médicas de Shiraz. Tres expertos especificaron el nivel de gravedad de cada muestra y se realizó una anotación en consecuencia. Después de preprocesar los datos, se desarrolló un modelo de aprendizaje profundo, conocido como CNN-LSTM, que tiene como objetivo detectar el grado de gravedad del problema basándose en el análisis del informe del radiólogo. A diferencia de los modelos tradicionales que suelen utilizar una simple colección de palabras, el modelo profundo propuesto utiliza palabras incrustadas en representaciones vectoriales densas, lo que le permite capturar de forma eficaz las similitudes semánticas.

Los resultados indicaron que el modelo propuesto superó a sus contrapartes en términos de precisión, recuperación y criterios F1, lo que sugiere su potencial como herramienta confiable para la estimación temprana de la gravedad de las lesiones orales.

Este estudio demuestra la eficacia del aprendizaje profundo en el análisis de informes textuales y la distinción precisa entre lesiones de alto y bajo riesgo. El uso del modelo propuesto, que puede proporcionar advertencias oportunas sobre la necesidad de seguimiento y tratamiento rápido, puede proteger al paciente de los riesgos asociados con los retrasos.

El conjunto de datos recopilados de forma colaborativa y anotados por expertos sirve como un recurso valioso para la investigación exploratoria. Los resultados demuestran el papel fundamental que podría desempeñar nuestro modelo de aprendizaje profundo en la evaluación de la gravedad de las lesiones bucales en los informes dentales.