Resumen

La inteligencia artificial (IA) ya se utiliza en la práctica clínica rutinaria de la ortodoncia, no solo en la investigación; sin embargo, su desempeño depende en gran medida de la aplicación específica. Esta revisión narrativa sintetiza estudios revisados por pares publicados entre 2019 y principios de 2026 en siete áreas de aplicación: detección de puntos de referencia cefalométricos, estadificación de la maduración de las vértebras cervicales (CVM), apoyo a la toma de decisiones terapéuticas para extracciones y cirugía ortognática, segmentación de tomografía computarizada de haz cónico (CBCT), monitoreo de tratamientos con alineadores, predicción de los resultados del tratamiento y comunicación con pacientes mediante grandes modelos de lenguaje (LLM), las cuales presentan niveles de desarrollo muy diferentes.

En la detección de puntos de referencia cefalométricos, los errores radiales medios oscilaron entre aproximadamente 1,0 mm en tres dimensiones y 1,37 mm en dos dimensiones, mientras que la tasa combinada de detección alcanzó alrededor del 81 % con un umbral de 2 mm.

La segmentación de imágenes CBCT alcanzó coeficientes de similitud Dice combinados de 0,93 para los dientes y 0,91 para el maxilar, utilizando datos procedentes de múltiples centros.

Los modelos de apoyo a la decisión sobre extracciones mostraron una sensibilidad de 0,70 y una especificidad de 0,90; sin embargo, perdieron hasta un 20 % de su precisión cuando fueron evaluados en instituciones diferentes a aquellas donde fueron entrenados.

El monitoreo remoto de alineadores redujo las consultas presenciales entre aproximadamente 1,68 y 3,5 visitasdurante el curso del tratamiento. No obstante, estas mismas plataformas mostraron un desempeño limitado para detectar el estado periodontal, con sensibilidades de apenas 0,53 para placa y cálculo dental, 0,35 para gingivitis y 0,22 para recesión gingival.

La predicción de los cambios en los tejidos blandos después de la cirugía ortognática continuó siendo imprecisa, especialmente en las regiones de los labios y el mentón.

Los pacientes tendieron a preferir la información sobre su tratamiento generada por grandes modelos de lenguaje (LLM), mientras que los especialistas en ortodoncia calificaron ese mismo contenido de forma menos favorable.

En todas las áreas analizadas se identificaron tres problemas recurrentes:

• Los datos de entrenamiento estaban limitados a un solo centro.
• Existía una representación demográfica reducida.
• Había ausencia de validación externa independiente.

Ninguna de estas aplicaciones eliminó la responsabilidad interpretativa del clínico, quien continuó siendo el responsable de la decisión analítica final, incluso cuando la IA redujo la carga computacional del proceso.

Alkadhi OH. Artificial Intelligence in Orthodontics: From Laboratory Benchmarks to Clinical Care. Cureus. 2026 Jun 19;18(6):e111151. doi: 10.7759/cureus.111151. PMID: 42473482; PMCID: PMC13380957.