Un equipo internacional de investigadores ha aplicado herramientas de inteligencia artificial (IA) para identificar a los grupos de población con mayor riesgo de desarrollar caries dental. Los resultados, publicados en la revista Caries Research, muestran que los algoritmos de aprendizaje automático pueden predecir tanto el riesgo como la gravedad de esta enfermedad mediante el análisis de factores sociales, económicos y conductuales, sin depender exclusivamente de diagnósticos clínicos individuales.
La investigación, liderada por Fernando Neves Hugo, director del Departamento de Epidemiología y Promoción de la Salud de la Facultad de Odontología de la Universidad de Nueva York, utilizó datos de la Encuesta Brasileña de Salud Bucodental de 2023, coordinada por el Ministerio de Salud de Brasil. El análisis incluyó información de 23.726 participantes, entre niños, adolescentes y adultos, y examinó la relación entre diferentes determinantes sociales y la prevalencia de caries.
La encuesta recogió variables demográficas, como edad, sexo y raza, junto con indicadores socioeconómicos y estructurales. Entre estos últimos figuraban el nivel de riqueza, la densidad de población, la cobertura de seguro dental privado y la fuente de agua. También se consideraron determinados comportamientos relacionados con la salud bucodental, como el tiempo transcurrido desde la última visita al dentista. Estos datos se complementaron con exploraciones clínicas destinadas a evaluar la presencia y gravedad de las lesiones de caries.
La influencia de los determinantes sociales
Los análisis estadísticos tradicionales identificaron una interacción compleja entre los factores socioeconómicos, estructurales y conductuales. La riqueza y la densidad de población destacaron como los principales predictores del riesgo de caries. Asimismo, las poblaciones no blancas presentaron un riesgo superior en los diferentes grupos de edad analizados, mientras que disponer de seguro dental privado y haber acudido recientemente al dentista se asociaron con un efecto protector.
El acceso al agua fluorada también mostró una relación significativa con la prevalencia de la enfermedad. Entre los niños de 12 años sin acceso a este recurso, el 62,5 % presentaba caries, frente al 35,5 % registrado entre aquellos que disponían de agua fluorada. Esta diferencia pone de manifiesto la relevancia de las medidas comunitarias de prevención y de las condiciones de acceso a los recursos de salud pública.
El aprendizaje automático como herramienta predictiva
En una segunda fase, los investigadores aplicaron diferentes algoritmos de aprendizaje automático al conjunto de datos para evaluar su capacidad de predicción. Los modelos identificaron patrones asociados al riesgo y la gravedad de la caries en distintos grupos de edad, además de estimar la contribución relativa de cada variable.
Según Fernando Neves Hugo, la aplicación de estas tecnologías permite analizar las interacciones multidimensionales entre los determinantes sociales que pueden quedar ocultas mediante los procedimientos estadísticos convencionales. El investigador señaló que el aprendizaje automático puede funcionar como un instrumento de detección de perfiles de riesgo que pasarían inadvertidos al considerar únicamente los promedios de una comunidad.
Los autores consideran que este enfoque podría facilitar la identificación de colectivos prioritarios y mejorar la distribución de los recursos destinados a la prevención. En lugar de aplicar intervenciones generalizadas, los programas de salud pública podrían dirigirse a las poblaciones que presentan una mayor probabilidad de desarrollar lesiones de caries, atendiendo a sus circunstancias sociales y económicas.
Próximas aplicaciones internacionales
Los investigadores apuntan que el modelo podría extrapolarse a otros países de ingresos medios, aunque advierten de que las variables predictivas pueden cambiar en función de las características de cada territorio, especialmente del acceso a la atención odontológica y de las prestaciones sociales disponibles. Como siguiente paso, el equipo prepara un análisis similar con datos de Estados Unidos procedentes de la Encuesta Nacional de Examen de Salud y Nutrición. El objetivo es adaptar el enfoque a diferentes contextos nacionales y desarrollar estrategias preventivas basadas en los factores específicos de cada población.
El trabajo cuenta también con la participación de investigadores de las universidades federales de Santa María y Rio Grande do Sul, en Brasil. Sus resultados sitúan el aprendizaje automático como una herramienta potencial para la vigilancia epidemiológica de la caries y la planificación de intervenciones preventivas dirigidas a los grupos con mayores necesidades de atención odontológica.
