Algoritmos para predecir la pérdida de dientes

Franziska Beier, Dental Tribune International

mié. 18 agosto 2021

Cuota

guardar

Un nuevo estudio ha desarrollado algoritmos para predecir la pérdida de dientes en adultos que incluyen los factores socioeconómicos de los pacientes, además de parámetros como la edad y el cuidado dental. Los resultados sugieren que estas herramientas pueden ayudar a identificar los dientes en riesgo para asegurar una intervención temprana.

En general, la pérdida de dientes puede evitarse si las enfermedades dentales se detectan y tratan en una fase temprana. Así lo confirman los estudios que descubrieron que los pacientes que acuden a las revisiones periódicas tienen menos probabilidades de perder dientes.

Sin embargo, barreras como el acceso a la atención dental y los altos costos pueden disuadir a los pacientes de acudir al dentista. Debido a esta falta de atención rutinaria, cuando estos pacientes acuden al dentista, ya es demasiado tarde para salvar el diente, y la extracción se convierte en la opción más asequible. Aquí es donde la herramienta de cribado podría ayudar a identificar a tiempo a los pacientes de alto riesgo.

Según los investigadores de la Escuela de Medicina Dental de Harvard (HSDM), los algoritmos de aprendizaje automático se han aplicado en medicina para aportar información a las decisiones clínicas; sin embargo, aún no se han desarrollado para predecir los resultados de la salud bucodental. Por ello, los investigadores desarrollaron y probaron cinco algoritmos con diferentes combinaciones de parámetros —como las condiciones médicas y el entorno socioeconómico— para predecir la pérdida de dientes en adultos y comparar el rendimiento de las distintas herramientas. Para desarrollar las herramientas de cribado, el equipo de investigación utilizó los datos de casi 12.000 adultos de la Encuesta Nacional de Salud y Nutrición.

Características decisivas

Al comparar el rendimiento de los distintos algoritmos, los investigadores descubrieron que los modelos que incorporaban características socioeconómicas, como la raza y la educación, eran mejores para predecir la pérdida de dientes que los modelos que se basaban únicamente en los indicadores clínicos dentales tradicionales.

"Nuestro análisis demostró que, si bien todos los modelos de aprendizaje automático pueden ser útiles para predecir el riesgo, los que incorporan variables socioeconómicas pueden ser herramientas de cribado especialmente potentes para identificar a las personas con mayor riesgo de pérdida de dientes", dijo el autor principal, el Dr. Hawazin Elani, profesor asistente de política de salud oral y epidemiología en el HSDM, en un comunicado de prensa de la universidad.

"Este trabajo pone de manifiesto la importancia de los determinantes sociales de la salud. Conocer el nivel educativo, la situación laboral y los ingresos del paciente es tan relevante para predecir la pérdida de dientes como evaluar su estado dental clínico", añadió.

Además de los antecedentes socioeconómicos de los pacientes, el equipo de investigación también determinó las condiciones médicas preexistentes como predictores de la pérdida de dientes.

"Descubrimos que las afecciones médicas —como la artritis, la diabetes, el colesterol alto, la hipertensión y las enfermedades cardiovasculares— están entre los predictores de la pérdida de dientes. Los clínicos podrían utilizar esta información para examinar a los pacientes con alto riesgo de pérdida de dientes y coordinar su derivación y atención dental", afirmaron.

Utilidad para diferentes profesionales sanitarios

La herramienta de cribado ha sido diseñada para ser aplicada en todo el mundo y en diversos entornos sanitarios, incluso por profesionales no dentales, ya que evalúa el riesgo de pérdida de dientes sin necesidad de un examen dental. Sin embargo, cualquier paciente que se considere de alto riesgo de perder un diente tendría que someterse a un examen real.

El estudio, titulado "Predictors of tooth loss: A machine learning approach", se publicó en línea enjunio de 2021 en PLOS ONE.