Análisis comparativo de algoritmos de clasificación para detectar caries utilizando imágenes de dientes: Una revisión sistemática

Abstract

La caries dental se considera una de las condiciones más comunes dentro del campo de la odontología, y detectar su presencia en etapas tempranas es crucial para prevenir complicaciones más serias. En este sentido, se plantea la necesidad de establecer cuál algoritmo de clasificación ofrece el rendimiento óptimo para reconocer caries a partir de imágenes dentales. El objetivo principal de esta investigación es realizar un análisis comparativo de diversos algoritmos de clasificación aplicados a este desafío, utilizando una revisión sistemática alineada con el protocolo PRISMA. Para alcanzar este objetivo, se eligieron bases de datos bien valoradas y se identificaron investigaciones relevantes que respaldan el uso de algoritmos como redes neuronales profundas, máquinas de soporte vectorial, árboles de decisión, bosques aleatorios, modelos de regresión logística y clasificadores bayesianos simplificados. La discusión sobre los hallazgos evidenció una clara inclinación hacia un mejor desempeño de las redes neuronales profundas en lo que respecta a su precisión y habilidad para generalizar, sobre todo en estudios que manejan grandes volúmenes de datos, etiquetados por dentistas expertos. Sin embargo, también se encontraron limitaciones en investigaciones que utilizaron grupos de datos reducidos, lo cual resalta la importancia de contar con bases sólidas y métodos rigurosos. Por otro lado, los métodos convencionales mostraron un desempeño bajo. Se concluye que las CNN son la opción más eficaz para la detección automática de caries se recomienda que investigaciones futuras utilicen métodos de validación estandarizados para mejorar la confiabilidad y la aplicabilidad clínica de los sistemas propuestos.