Concordancia entre modelos de lenguaje grande y ortodoncistas en la evaluación ortodóntica basada en fotografías

Qué problema aborda

El creciente uso de herramientas digitales y de inteligencia artificial (IA) en la odontología ha generado interés en su aplicación para la educación de pacientes y la orientación clínica preliminar. Sin embargo, la consistencia clínica de las evaluaciones ortodónticas realizadas por sistemas de LLM utilizando únicamente fotografías intraorales no está clara.

Qué hicieron los autores

Los autores llevaron a cabo un estudio comparativo ciego que incluyó a 104 pacientes de 12 años o más que se sometieron a una evaluación ortodóntica. Para cada caso, se enviaron tres fotografías intraorales estandarizadas y datos demográficos básicos a dos sistemas de LLM (ChatGPT-4o y Grok 4.1) utilizando un mensaje estandarizado. Las respuestas a cinco preguntas clínicas fueron evaluadas de forma independiente por tres ortodoncistas expertos mediante una escala Likert de 5 puntos. Se calcularon las puntuaciones de consenso promediando las calificaciones de los tres evaluadores, y se realizaron comparaciones intersistemas utilizando la prueba de rango con signo de Wilcoxon.

Qué encontraron

Los resultados mostraron que las calificaciones promedio fueron generalmente iguales o superiores a 3, lo que indica una aceptabilidad clínica moderada. Se observó que ChatGPT-4o recibió calificaciones significativamente más altas para el enfoque de tratamiento recomendado en pacientes con Clase Dental I. En el subgrupo de 12 a 15 años, también recibió calificaciones más altas para la recomendación de tratamiento, aunque la significancia estadística solo se mantuvo después de la corrección por la tasa de descubrimiento falso (FDR) y no tras el ajuste de Bonferroni. No se encontraron diferencias significativas en la mayoría de los otros parámetros evaluados, especialmente en la clasificación de maloclusión.

Limitaciones

El texto disponible no detalla las limitaciones específicas del estudio.

Lectura final

Los hallazgos sugieren que los sistemas basados en LLM pueden ofrecer resultados clínicamente aceptables en ciertas áreas de evaluación ortodóntica cuando se basan exclusivamente en fotografías intraorales. Sin embargo, la variabilidad en tareas de toma de decisiones complejas, como la planificación del tratamiento, indica que estos sistemas deben ser utilizados como herramientas de apoyo bajo supervisión profesional, y no como tomadores de decisiones clínicas independientes.