Un modelo de inteligencia artificial (IA) desarrollado en un estudio de la Universidad Estadual de Campinas, Unicamp, ha mejorado con éxito las imágenes generadas en tomografías computarizadas (TC) realizadas a pacientes con implantes dentales. El nuevo método busca mejorar la calidad de la imagen, garantizando una mayor precisión diagnóstica. Fundamental para casos que requieren un examen más detallado de la boca y las estructuras dentales de los pacientes, donde la calidad de las imágenes de TC se ve afectada en presencia de metales debido a la interacción de los rayos X con este material. Con el modelo de IA, la calidad de la imagen se mejoró en el 100 % de las pruebas.
La tecnología, desarrollada por Matheus Lima Oliveira, odontólogo y profesor de radiología dental en la Facultad de Odontología de Piracicaba (FOP) de la Unicamp, es el resultado de su investigación posdoctoral, realizada en colaboración con la Universidad de Basilea (Suiza), con el apoyo de la Fundación de Apoyo a la Investigación Científica del Estado de São Paulo (FAPESP) y la Sociedad Suiza de Radiología Dentomaxilofacial (SGDMFR). Esta innovación también fue premiada en la categoría de Inteligencia Artificial y Avances Tecnológicos en el 25.º Congreso Internacional de Radiología Dentomaxilofacial (IADMFR), celebrado los días 24 y 25 de junio en Londres, Reino Unido.
Artefactos de metal
La tomografía computarizada es una prueba que ofrece a los profesionales de la salud más recursos para realizar diagnósticos basados en imágenes. Mientras que las radiografías comunes, generan imágenes bidimensionales a partir de un haz de rayos X unidireccional, las tomografías computarizadas utilizan múltiples haces de rayos X para generar imágenes volumétricas y transversales, como cortes del cuerpo, lo que permite la visualización de estructuras en tres dimensiones. «Eventualmente, si un paciente sospecha una fractura en un diente, por ejemplo, algo muy discreto, tan fino como un cabello, las tomografías computarizadas pueden utilizarse para detectar la fractura», afirma Oliveira.
Sin embargo, cuando los pacientes tienen implantes metálicos u otros tipos de metal en la boca, como aparatos de ortodoncia, se forman los llamados artefactos metálicos, borrosidad y vetas, lo que afecta la calidad de la imagen. Esto se debe a un fenómeno llamado endurecimiento del haz, que surge de la interacción entre los fotones de radiación y los metales. Al atravesarlos, parte de la radiación se absorbe y otra parte llega a los sensores, generando imágenes; por ejemplo, la diferencia entre tonos claros y oscuros en una radiografía es resultado de esta interacción.
No obstante, los metales presentan barreras muy difíciles de superar, y solo los fotones de rayos X de alta energía pueden penetrarlos. Esto provoca que un nivel de energía promedio mucho mayor llegue a los sensores, lo que dificulta el procesamiento de imágenes por computadora.
«En presencia de metales, los equipos de TC tienden a sobreestimar o subestimar los niveles de energía que llegan al sensor, generando imágenes falsas», explica el profesor de Unicamp. «A menudo, el examen no es concluyente porque los artefactos comprometen tanto las imágenes que pueden omitir problemas o simular algo inexistente», agrega.
En estos casos, los profesionales recurren a alternativas, como el uso de rayos X enfocados únicamente en la zona investigada y cambiar la posición del paciente para intentar desviar el haz de rayos X del objeto metálico. Como último recurso, el examen se clasifica como no concluyente y se espera la evolución del caso.
Los escáneres TC actuales ya cuentan con filtros para mejorar las imágenes, pero estas funciones no garantizan una visualización óptima. Como solución a este problema, Oliveira sugirió crear un modelo algorítmico que aprendiera a detectar artefactos metálicos en las imágenes y, por lo tanto, pudiera recuperarlos. El sistema se entrenó con mandíbulas porcinas frescas para reproducir con mayor precisión las condiciones del cuerpo humano.
Se realizaron taladros en cada mandíbula para colocar implantes dentales con tres tipos comunes de metales: titanio, zirconio y una aleación de titanio y zirconio. Esto generó aproximadamente 400 combinaciones posibles, todas probadas mediante tomografías computarizadas que dieron como resultado imágenes tomadas en presencia de artefactos metálicos. «Cuanto más heterogénea sea la muestra, mejores serán los resultados del modelo de IA», afirma el profesor.
El modelo de IA y las pruebas computacionales se desarrollaron en Suiza, y las pruebas de laboratorio se realizaron en la Unicamp, Brasil. Para entrenar la IA, los investigadores proporcionaron al sistema una base de datos de imágenes de mandíbulas sin artefactos y otras de las mismas mandíbulas con implantes. Como resultado, el sistema pudo detectar los artefactos y reconstruir la imagen original en el 100 % de las pruebas. Oliveira destaca que, de forma innovadora, las pruebas también consideraron casos en los que el implante, a pesar de estar ubicado fuera del área de interés de una tomografía computarizada (denominada exomasa), aún causa la formación de artefactos.
El profesor Matheus Lima Oliveira, odontólogo y profesor de radiología dental en la Facultad de Odontología de Piracicaba (FOP) de la Unicamp, muestra los resultados. Se recuperaron imágenes en el 100% de los casos.
Buscando algoritmos
La incorporación de sistemas de IA a la odontología ha abierto un campo de investigación en constante crecimiento, especialmente en radiología y tecnologías de imagen. En la FOP, el estudio de artefactos metálicos es un área de investigación destacada del Programa de Posgrado en Radiología Dental, coordinado por Oliveira.
Según el odontólogo, uno de los retos de esta investigación es acceder a información sobre los algoritmos utilizados en los equipos de tomografía computarizada para generar imágenes. «Estamos sujetos a la supervisión de los fabricantes, quienes mantienen esta información en secreto», afirma.
El profesor enfatiza que los resultados obtenidos son aún preliminares, involucran situaciones simuladas y aún requieren pruebas en pacientes antes de que el modelo pueda lograr la validación científica. En el futuro, el objetivo final del investigador es desarrollar un sistema que elimine la necesidad de corrección de imágenes. «Nuestro escenario ideal sería evitar la aparición del artefacto en lugar de permitir que aparezca y luego eliminarlo de las imágenes», dice Oliveira.