Abstract

Objetivo: Evaluar la factibilidad de usar un sistema de machine learning (ML) automatizado para la generación de modelos capaces de predecir la necesidad de extracciones dentales en el contexto de un tratamiento de ortodoncia, basado en registros clínicos y cefalométricos. Método: Se obtuvieron los registros clínicos y radiográficos de 214 pacientes de una clínica privada. Los datos fueron procesados mediante un sistema de inte- ligencia artificial automatizado (IBM WATSON® AutoAI), para así generar modelos de predicción para la necesidad de extracciones. Resultados: Se generaron 12 modelos de predicción de extracciones para ortodoncia. La mejor exactitud fue obtenida al utilizar la información clínica, lográndose valores del 86,4%. Esta exactitud se mantuvo en el 86,4% al sumar la información cefalométrica y bajó al 72,7% al utilizar solamente los datos radio- gráficos. Conclusiones: Se generaron modelos mediante AutoML para la predicción de la necesidad de extracciones dentarias en pacientes en tratamiento ortodóncico, usando para ello los registros clínicos y radiográficos. A su vez, los modelos de predicción para la necesidad de extraccio- nes dentales logran un mejor rendimiento utilizando los datos clínicos por sobre los cefalométricos.