Introducción y objetivos: Este estudio investiga los factores clave que influyen en el riesgo de caries dental en niños de 7 años o menos utilizando técnicas de aprendizaje automático. Al abordar la prevalencia de la caries dental, su objetivo es mejorar la identificación temprana y las estrategias preventivas para personas de alto riesgo.
Métodos: Los datos de los exámenes clínicos de 356 niños se analizaron mediante modelos de regresión logística, árboles de decisión y otras clasificaciones aleatorias. Estos modelos evaluaron la influencia de los hábitos alimentarios, la exposición al flúor y el nivel socioeconómico en el riesgo de caries, haciendo hincapié en la exactitud, la precisión, la recuperación, la puntuación F1 y las métricas de AUC.
Resultados: La mala higiene bucal, la dieta alta en azúcar y la baja exposición al flúor se identificaron como factores de riesgo de caries importantes. El modelo Random Forest demostró un rendimiento superior, lo que ilustra el potencial del aprendizaje automático en el análisis de datos de salud complejos. Nuestro análisis SHAP identificó una mala higiene bucal, una dieta rica en azúcar y una baja exposición al flúor como factores de riesgo importantes de caries.
Conclusión: El aprendizaje automático identifica y cuantifica eficazmente los factores de riesgo de caries dental en niños. Este enfoque respalda intervenciones específicas y medidas preventivas, mejorando los resultados de salud dental pediátrica.
Importancia clínica: al aprovechar el aprendizaje automático para identificar factores cruciales de riesgo de caries, esta investigación sienta las bases para estrategias preventivas basadas en datos, que potencialmente reducen la prevalencia de caries y promueven una mejor salud dental en los niños.

Sadegh-Zadeh S-A, Bagheri M and Saadat M (2024) Decoding children dental health risks: a machine learning approach to identifying key influencing factors. Front. Artif. Intell. 7:1392597. doi: 10.3389/frai.2024.1392597