REVISIÓN DE TÉCNICAS DE CUANTIFICACIÓN AUTOMÁTICA DE PÉRDIDA ÓSEA ALVEOLAR

Introducción: La periodontitis es una enfermedad inflamatoria crónica altamente prevalente que requiere una cuantificación precisa de la pérdida ósea alveolar para su adecuado diagnóstico, tratamiento y seguimiento. Metodología: Se realizó una revisión sistemática conforme a los criterios PRISMA (PROSPERO: CRD42025640049), analizando 20 estudios de precisión diagnóstica publicados entre 2019 y 2024 en seis bases de datos (PubMed, Scopus, Web of Science, Google Scholar, arXiv y MDPI). Los estudios evaluaron técnicas de inteligencia artificial aplicadas a la automatización de la medición de la pérdida ósea alveolar en distintas modalidades de imagen. Resultados: Las redes neuronales convolucionales, especialmente U-Net, Dense-UNet, U2-Net y YOLOv8, mostraron alto desempeño diagnóstico, con precisiones entre 85–94.6%, sensibilidades de hasta 94.6%, especificidades de 80.9–95% y valores F1 superiores al 92%. El error de medición osciló entre 0.18 y 0.32 mm, con tiempos de procesamiento de milisegundos frente a varias horas del análisis manual. El rendimiento varió según la modalidad de imagen, siendo mayor en OCT y CBCT. Conclusión: La inteligencia artificial demuestra ser una herramienta altamente eficiente y precisa para la cuantificación de la pérdida ósea alveolar, con potencial para transformar el diagnóstico periodontal. Sin embargo, su implementación clínica requiere estandarización metodológica, bases de datos multicéntricas, validación clínica prospectiva y mejoras en la detección de casos incipientes.