Una nueva investigación dirigida por investigadores de la Escuela de Medicina Dental de Harvard sugiere que las herramientas de aprendizaje automático pueden ayudar a identificar a las personas con mayor riesgo de pérdida de dientes y derivarlas para una evaluación dental adicional en un esfuerzo por garantizar intervenciones tempranas para evitar o retrasar la afección.

El estudio, publicado el 18 de junio en PLOS ONE, comparó cinco algoritmos que utilizan una combinación diferente de variables para detectar el riesgo. Los resultados mostraron que aquellos que tenían en cuenta las características médicas y las variables socioeconómicas, como la raza, la educación, la artritis y la diabetes, superaron a los algoritmos que se basaban únicamente en indicadores clínicos dentales.

«Nuestro análisis mostró que, si bien todos los modelos de aprendizaje automático pueden ser útiles predictores de riesgo, aquellos que incorporan variables socioeconómicas pueden ser herramientas de detección especialmente poderosas para identificar a quienes tienen un mayor riesgo de pérdida de dientes», dijo el investigador principal del estudio, Hawazin Elani, profesor asistente de política de salud bucal y epidemiología en HSDM.

El enfoque podría usarse para evaluar a las personas a nivel mundial y en una variedad de entornos de atención médica, incluso por profesionales que no son dentales, agregó.

La pérdida de dientes puede debilitar física y psicológicamente. Puede afectar la calidad de vida, el bienestar, la nutrición y las interacciones sociales. El proceso puede retrasarse, incluso prevenirse, si se identifican los primeros signos de enfermedad dental y se trata la afección de inmediato. Sin embargo, es posible que muchas personas con enfermedades dentales no vean a un dentista hasta que el proceso haya avanzado mucho más allá del punto de salvar un diente. Aquí es precisamente donde las herramientas de detección podrían ayudar a identificar a las personas con mayor riesgo y derivarlas para una evaluación adicional, dijo el equipo.

En el estudio, los investigadores utilizaron datos que incluían a casi 12 mil adultos de la Encuesta Nacional de Examen de Salud y Nutrición para diseñar y probar cinco algoritmos de aprendizaje automático y evaluar qué tan bien predijeron la pérdida de dientes completa e incremental entre adultos en función de factores socioeconómicos, de salud y características médicas.

En particular, los algoritmos se diseñaron para evaluar el riesgo sin un examen dental. Sin embargo, cualquier persona que se considere en alto riesgo de pérdida de dientes, aún tendrá que someterse a un examen real, agregaron los investigadores.

Los resultados del análisis apuntan a la importancia de los factores socioeconómicos que dan forma al riesgo más allá de los indicadores clínicos tradicionales.

«Nuestros hallazgos sugieren que los modelos de algoritmos de aprendizaje automático que incorporan características socioeconómicas fueron mejores para predecir la pérdida de dientes que los que se basan únicamente en indicadores dentales clínicos de rutina», dijo Elani.

«Este trabajo destaca la importancia de los determinantes sociales de la salud. Conocer el nivel de educación, el estado laboral y los ingresos del paciente es tan relevante para predecir la pérdida de dientes como evaluar su estado clínico dental», agregó.

De hecho, se sabe desde hace tiempo que las poblaciones marginadas y de bajos ingresos experimentan una parte desproporcionada de la carga de la pérdida de dientes, probablemente debido a la falta de acceso regular a la atención dental, entre otras razones, dijo el equipo.

«Como profesionales de la salud bucal, sabemos lo importantes que son la identificación temprana y la atención inmediata para prevenir la pérdida de dientes, y estos nuevos hallazgos apuntan a una nueva herramienta importante para lograrlo», dijo Jane Barrow, decana asociada de salud global y comunitaria y directora ejecutiva de la Iniciativa para la Integración de la Medicina y la Salud Bucodental en HSDM.

«La Dra. Elani y su equipo de investigación arrojaron nueva luz sobre cómo podemos orientar de manera más eficaz nuestros esfuerzos de prevención y mejorar la calidad de vida de nuestros pacientes», sostuvo.

La investigación se realizó en colaboración con investigadores de la Escuela de Salud Pública TH Chan de Harvard, la Universidad de São Paolo en Brasil y la Facultad de Odontología de la Universidad de Otago en Nueva Zelanda.