{{{sourceTextContent.subTitle}}}
HONG KONG: Incluso con el apoyo de la moderna tecnología CAD/CAM, la creación de una prótesis dental sigue siendo bastante lenta, lo que se traduce en más tiempo de sillón y altos costes para los pacientes. Para facilitar el diseño de coronas molares, los investigadores de la Facultad de Odontología de la Universidad de Hong Kong (HKU) y el Departamento de Informática del Colegio de Educación Superior Chu Hai de Hong Kong colaboraron para desarrollar un novedoso enfoque que utiliza la inteligencia artificial (IA).
{{{sourceTextContent.description}}}
Cuando se le preguntó en qué se había inspirado la investigación, el autor principal, el Dr. Walter Yu Hang Lam, profesor clínico adjunto de prostodoncia en la División de Ciencias Odontológicas Restauradoras de la HKU, declaró a Dental Tribune International: "Algunos pacientes perciben un punto alto muy sutil en su prótesis dental. Por eso, en el plan de estudios de odontología se dedica una parte importante de tiempo a la teoría de la oclusión y a la formación clínica para proporcionar una prótesis dental que se adapte a la boca del paciente. Mis colegas y yo esperábamos encontrar una solución para mejorar la eficacia del tratamiento y la experiencia del paciente."
Para devolver al paciente su aspecto original, su función masticatoria y su salud bucal general, las prótesis dentales deben tener la misma morfología oclusal y la misma posición en 3D de los dientes naturales. Éstas pueden deducirse para un diente ausente a partir de las de la dentición circundante, ya que todos los dientes de un individuo están controlados por el mismo conjunto de genes y expuestos al mismo entorno oral. Los investigadores plantearon la hipótesis de que la IA podría generar el diseño de una prótesis de un solo diente basándose en las características de la dentición restante.
El equipo de investigación utilizó un enfoque de aprendizaje automático denominado red generativa adversarial (GAN) para entrenar y validar su sistema de IA y lo ha probado en 175 participantes. El sistema fue capaz de reconstruir la forma de un diente natural y automatizar el proceso de diseño de prótesis dentales basándose únicamente en el modelo digital de la dentición del paciente.
"Se seleccionó el algoritmo 3D GAN por su rendimiento superior en la reconstrucción de objetos 3D en comparación con otros algoritmos de IA. En el estudio preliminar, 3D GAN fue capaz de reconstruir formas similares a los dientes originales en el 60% de los casos. Se espera que madure con más datos de entrenamiento de IA", comentó el coautor, el Dr. Reinhard Chun Wang Chau, asistente de investigación de la División de Ciencias Odontológicas Restauradoras y de Ciencias Orales Aplicadas y Atención Odontológica Comunitaria de la HKU, en un comunicado de prensa. Para futuras investigaciones, el equipo se propone investigar si la presencia de dientes opuestos ayudará a la IA a generar un diente más natural.
Preguntada por las ventajas de este método para los profesionales de la odontología y los pacientes, la doctora Lam dijo "Es menos costoso para ambos. Los dentistas dedicarán menos tiempo a registrar las relaciones mandibulares y al ajuste en la consulta, lo que facilitará en gran medida todo el proceso de tratamiento y les permitirá ocuparse de más casos."
Y continuó: "Los pacientes gastarán menos tiempo y dinero en el tratamiento. Además, las prótesis dentales que reciban se ajustarán mejor a su dentición restante y, por tanto, es menos probable que causen problemas de mandíbula."
Según el Dr. Lam, el grupo de investigación espera poner la tecnología de IA a disposición de los profesionales de la odontología en los próximos cinco años, después de haber probado su precisión en escenarios simulados y clínicos. Además, los investigadores creen que el método podría aplicarse a la fabricación de coronas para otros dientes y de restauraciones de varias unidades en el futuro.
El estudio, titulado "Prótesis dentales monomolares diseñadas con inteligencia artificial: Un protocolo de estudio experimental prospectivo", se publicó en línea el 2 de junio de 2022 en PLOS ONE.
