Evaluación de la capacidad diagnóstica de caries interproximales detectadas mediante radiografías periapicales con y sin inteligencia artificial e infrarrojo cercano

Abstract

Introducción: Los avances en tecnología odontológica están redefiniendo la forma en que se detectan las caries dentales. La utilización de escáneres intraorales y herramientas de Inteligencia Artificial (IA) están creciendo en el mercado como ayudas al diagnóstico para la detección precoz de caries interproximales en las clínicas odontológicas, aparte del uso del examen radiográfico por operador. Dentro de los distintos tipos de caries, el diagnóstico de las caries interproximales es difícil por la escasa visibilidad de estas superficies, tanto a nivel clínico como radiográfico, especialmente en las etapas iniciales de la lesión. Sin embargo, existen pocas investigaciones que comparen la eficacia del diagnóstico radiográfico realizado por operadores humanos, programas de IA, y escáneres intraorales con tecnología de detección de caries, frente a la evaluación histopatológica.

Objetivo: Evaluar y comparar la eficacia en términos de pruebas diagnósticas en la detección de caries mediante la realización de radiografías intraorales de aleta evaluadas por un operador o por un programa de inteligencia artificial vs. un escáner intraoral con tecnología de transiluminación de luz de infrarrojo cercano, comparados a la evaluación histológica.

Material y Métodos: Se montaron en 10 tipodontos 100 dientes permanentes posteriores sanos o con lesiones de caries interproximales en diferentes estadios. El estudio inicialmente examinó 180 superficies, excluyendo ocho debido a la interferencia de resina acrílica y la prevalencia de caries radiculares. Por lo tanto, se examinaron 171 superficies proximales que tenían contacto con el diente adyacente. Se realizaron escaneados intraorales con el iTero element 5D® (Align Technology, Tempe, AZ, USA) y radiografías que se analizaron a través de examen radiológico examinado por operador y por el programa de inteligencia artificial Denti.Ai (Technology Inc., Toronto ON, Canada). Los resultados obtenidos se compararon con con el diagnóstico de certeza de evaluación histológica “gold estándar”. Se estudió la sensibilidad (SE), especificidad (SP), valor predictivo positivo (VPP), valor predictivo negativo (VPN), F1-Score, área bajo la curva ROC y el coeficiente Fleiss Kappa para la concordancia Inter examinador de la prueba del escáner y del examen radiográfico por operador.

Resultados: Se incluyeron 95 dientes (40 premolares, 55 molares) con 171 superficies proximales (73 cariadas, 98 no cariadas). Los resultados de los análisis estadístico obtenidas para cada prueba diagnóstica fueron las siguientes: (Examen Radiográfico por operador) SE=52%, SP=84.6%, VPP=71.6%, VPN=70.3%, F1-Score =60%, AUC=0.684; (iTero5D®) SE=37%, SP=98.9%, VPP=96.4%, VPN=67.8%, F1-Score =52%, AUC=0.673; (Denti.AI) SSE=13.7%, SP=95.9%, VPP=71%, VPN=59.8%, F1-Score =23%, AUC=0.548. La precisión diagnóstica fue del 72% para iTero5D®, 60% para Denti.AI y 70% para el examen radiográfico por operador. La prueba de McNemar mostró una p<0,05 para todas las pruebas diagnósticas. La fiabilidad inter examinador fue de k=0.475 para iTero5D® y de k=0,459 para los exámenes radiográficos por operador.

Conclusión: Tanto el sistema NIRI (iTero5D®) como el examen radiológico mediado por operador humano obtuvieron mejor capacidad diagnóstica que el programa de inteligencia artificial (Dent.AI), siendo el método con evaluación radiológica con mediación humana el que obtuvo los mejores resultados. A pesar de las limitaciones identificadas, el uso de tecnologías avanzadas como el iTero5D® y Denti.AI representan un avance significativo en la odontología restauradora, pudiendo proporcionar herramientas auxiliares para el diagnóstico de caries. Estos hallazgos subrayan la importancia de continuar investigando y optimizando los métodos digitales para asegurar su efectividad y fiabilidad en la práctica clínica odontológica.

Introduction: Advances in dental technology are redefining the way dental caries are detected. The use of intraoral scanners and Artificial Intelligence (AI) tools is increasingly being adopted in the market as diagnostic aids for the early detection of interproximal caries in dental clinics, in addition to the use of operator-conducted radiographic examinations. Among the different types of caries, the diagnosis of interproximal caries is challenging due to the limited visibility of these surfaces, both clinically and radiographically, especially in the early stages of the lesion. However, there is a scarcity of studies comparing the efficacy of radiographic diagnosis performed by human operators, AI programs, and intraoral scanners with caries detection technology against histopathological evaluation.

Objective: To evaluate and compare the diagnostic efficacy in caries detection using intraoral bitewing radiographs assessed by an operator or an AI program versus an intraoral scanner with near-infrared light transillumination technology, compared to histological evaluation.

Materials and Methods: A total of 100 healthy or interproximal caries-affected posterior permanent teeth at various stages were mounted on 10 typodonts. The study initially examined 180 surfaces, excluding eight due to interference from acrylic resin and the prevalence of root caries. Therefore, 171 proximal surfaces in contact with adjacent teeth were examined. Intraoral scans were performed with the iTero element 5D® (Align Technology, Tempe, AZ, USA), and radiographs were analyzed through operator-conducted radiological examination and the Denti.Ai artificial intelligence program (Technology Inc., Toronto, ON, Canada). The results obtained were compared with the definitive diagnosis of "gold standard" histological evaluation. Sensitivity (SE), specificity (SP), positive predictive value (PPV), negative predictive value (NPV), F1-Score, area under the ROC curve (AUC), and Fleiss Kappa coefficient for inter-examiner agreement of the scanner and operator-conducted radiographic examination were studied.

Results: A total of 95 teeth (40 premolars, 55 molars) with 171 proximal surfaces (73 carious, 98 non-carious) were included. The statistical analysis results for each diagnostic test were as follows: (Operator-Conducted Radiographic Examination) SE=52%, SP=84.6%, PPV=71.6%, NPV=70.3%, F1-Score=60%, AUC=0.684; (iTero5D®) SE=37%, SP=98.9%, PPV=96.4%, NPV=67.8%, F1-Score=52%, AUC=0.673; (Denti.AI) SE=13.7%, SP=95.9%, PPV=71%, NPV=59.8%, F1-Score=23%, AUC=0.548. The diagnostic accuracy was 72% for iTero5D®, 60% for Denti.AI, and 70% for the operator-conducted radiographic examination. McNamar’s test showed a p<0.05 for all diagnostic tests. The inter-examiner reliability was k=0.475 for iTero5D® and k=0.459 for operator-conducted radiographic examinations.

Conclusion: Both the NIRI system (iTero5D®) and the radiological examination mediated by a human operator achieved better diagnostic capability than the artificial intelligence program (Dent.AI), with the method involving radiological evaluation mediated by a human achieving the best results.Despite the identified limitations, the use of advanced technologies such as iTero5D® and Denti.AI represents a significant advancement in restorative dentistry, potentially providing auxiliary tools for caries diagnosis. These findings highlight the importance of continued research and optimization of digital methods to ensure their effectiveness and reliability in clinical dental practice.