Modelos predictivos de caries dental basados en Big Data y aprendizaje automático: revisión narrativa

Resumen

La caries dental es la enfermedad bucal más prevalente a nivel mundial, afectando aproximadamente a 3,5 mil millones de personas y generando un impacto significativo en la calidad de vida y en los sistemas de salud. Ante esta problemática, los modelos predictivos han emergido como herramientas clave para la detección temprana y la prevención; sin embargo, muchos presentan limitaciones metodológicas, como alto riesgo de sesgo y baja aplicabilidad clínica. En este contexto, el avance del Big Data, la inteligencia artificial y el aprendizaje automático ha impulsado el desarrollo de modelos más precisos y eficientes. La presente revisión narrativa tuvo como objetivo analizar la evidencia científica sobre la aplicación de estas tecnologías en la predicción del riesgo de caries dental, incluyendo estudios publicados entre 2015 y 2025 en bases de datos como Scopus, PubMed y Web of Science. Los resultados evidenciaron que las redes neuronales convolucionales, las máquinas de vectores de soporte y las redes neuronales artificiales son los algoritmos más utilizados, destacando por su alto rendimiento diagnóstico, con valores elevados de precisión y área bajo la curva. Las imágenes radiográficas fueron el tipo de dato más empleado, seguidas de datos clínicos y modelos mixtos. No obstante, se identificaron limitaciones importantes, como la heterogeneidad de los datos, la falta de estandarización de métricas y la escasa validación externa. En conclusión, los modelos basados en inteligencia artificial muestran un alto potencial para mejorar la predicción de caries dental, aunque es necesario fortalecer el rigor metodológico y su validación clínica para favorecer su implementación en la práctica odontológica.