Resumen

Antecedentes: La integración de la inteligencia artificial (IA) en el cuidado de la salud, particularmente en ortodoncia, está evolucionando rápidamente. Este estudio aprovecha un conjunto de datos único de pacientes tailandeses en tratamiento con Invisalign para explorar la sinergia entre la IA y la práctica clínica ortodóntica.

Objetivo: Esta investigación tiene como objetivo aumentar la predictibilidad y la personalización de los planes de tratamiento Invisalign mediante modelos avanzados de aprendizaje automático (ML). El enfoque está en mejorar la toma de decisiones clínicas mediante la predicción de resultados, la identificación de factores clave influyentes y el aumento de la interpretabilidad y explicabilidad de los modelos dentro de un marco de IA ética.

Métodos: Se analizaron 657 registros de pacientes desidentificados de cinco clínicas dentales en Tailandia. Se emplearon técnicas de ML, incluyendo Árboles de Decisión (DT), Bosques Aleatorios (RF), XGBoost y Redes Neuronales Artificiales (ANNs). Se hizo hincapié en la transparencia del modelo utilizando SHapley Additive exPlanations (SHAP), integrando la experiencia clínica con análisis predictivos para profundizar en la comprensión de la dinámica del tratamiento.

Resultados: XGBoost superó a los demás modelos en la predicción de resultados de Invisalign, alcanzando una precisión del 93.94%, sensibilidad del 97.12%, especificidad del 90.00% y un puntaje F1 de 94.39%. El análisis SHAP mejoró la interpretabilidad, ofreciendo información detallada sobre cómo las características clínicas y demográficas influyen en las predicciones.

Conclusiones: Esta investigación mejora significativamente la precisión de las predicciones del tratamiento ortodóntico y marca un precedente en la aplicación ética de la IA en la atención ortodóntica. Al mejorar la transparencia y la responsabilidad de los modelos, el estudio fomenta la confianza entre las partes interesadas y mejora la eficacia general y la satisfacción asociada con el tratamiento. Este trabajo establece un nuevo punto de referencia para una atención ortodóntica basada en datos y centrada en el paciente, utilizando un conjunto de datos de pacientes de Tailandia.

Trakulmututa S, Win KT. Machine learning in orthodontics: Transforming Invisalign treatment planning through precision, interpretability, and ethical practices. Int J Med Inform. 2026 Feb;206:106139. doi: 10.1016/j.ijmedinf.2025.106139. Epub 2025 Oct 10. PMID: 41145102.