Especialización en Ortodoncia · 2025
Inteligencia artificial como herramienta para delimitar subfenotipos de clase III en pacientes desde los 6 hasta los 65 años
Solo ficha. El repositorio marca este trabajo como «De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
Antecedentes: La maloclusión clase III se caracteriza por un desequilibrio maxilomandibular de origen esquelético o funcional, influido por factores genéticos, ambientales y étnicos. Su variabilidad subfenotípica dificulta el diagnóstico, a pesar de la disponibilidad de diferentes análisis cefalométricos, los cuales carecen de un consenso unificado. El desarrollo de la inteligencia artificial ha permitido procesar grandes volúmenes de datos, facilitando una mayor exactitud en el diagnóstico y un enfoque terapéutico más personalizado. Objetivo: Identificar los subfenotipos que determinan el diagnóstico de la maloclusión clase III esquelética, a partir de inteligencia artificial, a través de una revisión sistemática de la literatura. Método: Se realizó búsqueda electrónica en las bases de datos PubMed, EBSCO, Web of Science, ScienceDirect y Google Scholar, empleando formulas estructuradas a partir de los términos: malocclusion, angle class III, prognathism, mandibular angle class III, pseudo class III, machine learning, deep learning, clusters y outcomes. La depuración de las publicaciones se realizó a partir de la plataforma Rayyan. Se determinó la calidad metodológica, a partir de listas de chequeo sugeridas para cada diseño de estudio. Se determinó el nivel de evidencia y grado de recomendación a partir de la herramienta Oxford. Resultados: Se analizaron siete estudios sobre la clasificación de maloclusión clase III, cinco con inteligencia artificial y dos con métodos estadísticos. Los diagnósticos se basaron principalmente en radiografías laterales y fotografías faciales. Se utilizaron técnicas como CNN, PCA y análisis de conglomerados, con variables clave como el ángulo ANB y el índice de Wits. Se identificaron subtipos esqueléticos vinculados a prognatismo mandibular y deficiencia maxilar; la pseudo clase III no se clasificó directamente. Los modelos con IA mostraron mayor precisión que los métodos tradicionales. Conclusión: La IA, especialmente con redes neuronales convolucionales, ha mejorado el diagnóstico de la clase III usando radiografías y medidas como ANB y Wits. Sin embargo, la exclusión de la pseudo clase III reveló limitaciones al usar solo datos morfométricos. Se sugiere incluir información funcional y clínica para mejorar la precisión diagnóstica y se recomienda crear bases de datos en población latina para una mejor clasificación.