En los últimos años, las aplicaciones de la inteligencia artificial (IA) han crecido considerablemente, revolucionando la forma en que los humanos interactúan con la tecnología en general. Las aplicaciones de IA también se están expandiendo en el campo de la odontología, abriendo nuevas posibilidades tanto para los médicos como para los pacientes. Debido al elevado número de implantes dentales que se colocan cada año, se han propuesto muchas herramientas innovadoras de IA para todos los estados de la implantología, desde el diagnóstico hasta el pronóstico y el mantenimiento. En concreto, las herramientas de IA pueden ayudar a los médicos a reconocer las marcas y los tipos de implantes en las radiografías, a identificar las condiciones que podrían afectar al éxito del implante, a realizar una planificación más rápida y precisa del implante y a diagnosticar las enfermedades periimplantarias en una fase temprana durante el seguimiento. Aunque algunas de estas aplicaciones de IA aún son experimentales, la IA tiene el potencial disruptivo de revolucionar cada paso del trabajo en el tratamiento con implantes, aumentando la precisión diagnóstica y pronóstica, acelerando y simplificando los procedimientos de planificación de implantes y permitiendo cirugías más rápidas y menos invasivas. Sin embargo, la IA y las tecnologías digitales no reemplazarán a los dentistas, sino que deben considerarse como una nueva oportunidad para acelerar las tareas repetitivas y que requieren mucho tiempo y para liberar tiempo que pueda dedicarse a la interacción humana con los pacientes.
Inteligencia artificial (IA) es un término amplio que se utiliza para describir en general la capacidad de los sistemas informáticos para realizar tareas complejas tradicionalmente asociadas a la inteligencia humana, como la toma de decisiones y la resolución de problemas (Joda, Waltimo et al. 2018; Shan et al. 2021). Técnicamente, la IA se puede dividir en dos categorías principales: IA «débil» e IA «fuerte». La primera, también conocida como inteligencia artificial limitada (ANI), consiste en la capacidad de completar tareas específicas, como identificar un objetivo concreto en una serie de imágenes (visión por ordenador), sin ninguna capacidad cognitiva intrínseca. La IA fuerte, por otro lado, se define como un sistema que replica las habilidades mentales y la conciencia típicas de los humanos, funcionando exactamente como una mente humana (Scerri y Grech 2020). Si bien aún no existe ninguna forma de IA fuerte, la aplicación de sistemas de IA débil en la vida diaria ha crecido considerablemente, revolucionando la forma en que los humanos interactúan con la tecnología y el abordaje de tareas complejas. La investigación y las aplicaciones de la IA también han crecido continuamente en medicina y odontología.
Hoy en día, la mayoría de las aplicaciones de IA en medicina se basan en el aprendizaje automático (AA) y se centran en el análisis de imágenes radiológicas. Tras el entrenamiento con conjuntos de datos existentes, los algoritmos de AA pueden ofrecer predicciones precisas sobre nuevos datos de entrada (Bernauer et al. 2021). En los modelos clásicos de AA, se requiere la intervención humana para diseñar y proporcionar al sistema un conjunto de datos etiquetados, sobre el que se pueda entrenar el algoritmo.
En este contexto, un subconjunto de AA se conoce como aprendizaje profundo (AP). En comparación con el AA, los modelos de AA pueden observar patrones en los datos y jerarquizar de forma autónoma la información sin procesar del conjunto de datos de entrenamiento sin necesidad de intervención humana (Ren et al. 2021). Las redes neuronales artificiales (RNA) constituyen la columna vertebral de los algoritmos de AA. Las redes neuronales están formadas por capas de nodos: una capa de entrada, una o más capas ocultas y una capa de salida, y cada nodo es una neurona artificial conectada a otra neurona. Las RNA con más de 3 capas pueden considerarse un algoritmo de aprendizaje profundo (fig. 1). Las RNA pueden aprender y mejorar su precisión mediante conjuntos de datos de entrenamiento, sin embargo, este proceso requiere grandes cantidades de datos (Bernauer et al. 2021).
Se han desarrollado e introducido diversas aplicaciones y herramientas basadas en IA para ayudar a los dentistas en la práctica diaria, como la identificación y clasificación de patologías en imágenes digitales (Litjens et al. 2017). Por lo tanto, las radiografías intraorales en 2D, la tomografía computarizada de haz cónico (CBCT) y el escaneo óptico son de particular interés en odontología. Los datos JPG, DICOM y STL se recopilan de forma rutinaria para el diagnóstico, la planificación del tratamiento, el diseño restaurativo y la reevaluación, y por lo tanto ofrecen una fuente interesante para el desarrollo y uso de la tecnología de IA (Hung et al. 2020). Los modelos de diagnóstico de IA han mostrado resultados exitosos en la identificación radiológica de patologías dentales como lesiones cariosas interproximales, fracturas radiculares, lesiones periapicales y pérdida ósea periodontal (Fig. 2) (Devito et al. 2008; Johari et al. 2017; Chang et al. 2020; Endres et al. 2020).
Los modelos de IA también se han introducido con éxito en ortodoncia, donde se ha demostrado que los algoritmos basados en el conocimiento y los métodos de visión por ordenador son una forma fiable de identificar y medir puntos de referencia anatómicos en cefalogramas (Gupta et al. 2015; Park et al. 2019).
El objetivo de esta revisión narrativa es describir y resumir cómo se utiliza actualmente la IA en implantología. La estructura de esta visión general sigue el flujo de trabajo de los implantes digitales: diagnóstico, protocolo de tratamiento clínico (incluido el flujo de trabajo del laboratorio), pronóstico y mantenimiento (Fig. 3), y describe los pasos del trabajo en los que la IA puede desempeñar un papel hoy o en el futuro. Se centra en las áreas de imagen dental, planificación del tratamiento, cirugía guiada de implantes y monitorización del paciente.