Desde hace años, la inteligencia artificial dejó de ser un tema de conferencias futuristas para convertirse en algo que ya está aquí, aunque todavía de forma irregular. En mi práctica he visto cómo algunos colegas la usan con entusiasmo, mientras otros se mantienen escépticos. Lo cierto es que la evidencia sobre su desempeño en endodoncia está creciendo rápido y vale la pena revisarla con criterio antes de adoptar o descartar estas herramientas.
El desafío de la toma de decisiones en endodoncia
La práctica endodóntica exige la integración de múltiples variables clínicas. Debemos analizar síntomas subjetivos, pruebas de sensibilidad pulpar, hallazgos radiográficos y antecedentes sistémicos del paciente para establecer un diagnóstico preciso. La literatura reciente señala que incluso entre especialistas existe variabilidad en la interpretación de imágenes y en las decisiones terapéuticas, atribuida a diferencias en experiencia clínica, calidad de las imágenes y complejidad anatómica.
En este contexto, la IA se plantea como herramienta capaz de asistir mediante el análisis automatizado de datos y la generación de recomendaciones basadas en grandes conjuntos de información. Los sistemas utilizados suelen basarse en redes neuronales convolucionales para el análisis de radiografías periapicales y tomografías Cone Beam.
Entonces… ¿Cómo es el desempeño de modelos de IA en decisiones clínicas?
Un estudio publicado en 2026 evaluó la precisión de distintos modelos de IA en la planificación de tratamientos endodónticos en pacientes con enfermedades sistémicas. La investigación utilizó cuarenta escenarios clínicos representando diez condiciones médicas comunes que pueden influir en el manejo endodóntico.
Los modelos generaron recomendaciones clínicas evaluadas por endodoncistas expertos. El análisis incluyó la evaluación del estado sistémico, la selección del tratamiento, las recomendaciones farmacológicas y la necesidad de consulta interdisciplinaria. Los resultados mostraron que los modelos alcanzaron niveles comparables de precisión, con recomendaciones que coincidían con el criterio de los especialistas en una proporción significativa de los casos.
Un ejemplo concreto del estudio involucró a un paciente anticoagulado con warfarina que requería tratamiento de conductos. El modelo de IA recomendó mantener el régimen de anticoagulación sin suspensión, coordinación con el médico tratante y medidas hemostáticas locales en caso de sangrado. La recomendación coincidió con las guías actuales y con el criterio de los especialistas evaluadores.
Evaluación de modelos conversacionales
Otra estudio de 2025 evaluó cinco chatbots mediante preguntas diseñadas por especialistas con distintos niveles de dificultad. Algunos modelos alcanzaron tasas de precisión superiores al ochenta por ciento, aunque la precisión disminuye en preguntas de mayor complejidad. Esto subraya la necesidad de supervisión profesional, algo que me parece fundamental.
Aplicaciones clínicas relevantes
La detección automatizada de lesiones periapicales es una de las aplicaciones más estudiadas, con modelos capaces de identificar cambios radiolúcidos con precisión comparable a especialistas. En un caso reciente documentado en la literatura, un sistema de IA detectó una lesión periapical incipiente en un segundo premolar superior que había pasado inadvertida en la evaluación inicial. La confirmación mediante CBCT validó el hallazgo y permitió un tratamiento oportuno.
La identificación de conductos accesorios y variaciones anatómicas también ha mostrado avances importantes en el análisis de imágenes CBCT. Algunos algoritmos predicen resultados clínicos, incluyendo el éxito del tratamiento y la probabilidad de complicaciones postoperatorias. Estas aplicaciones pueden mejorar la planificación terapéutica y optimizar la comunicación con el paciente.
Es importante considerar las limitaciones actuales
A pesar de los avances, la implementación enfrenta varios desafíos. Los algoritmos requieren grandes bases de datos con imágenes y registros clínicos bien etiquetados. Muchos sistemas son entrenados con datos de centros específicos, lo que limita su aplicabilidad en diferentes poblaciones.
Además, he probado algunos de estos sistemas, como Medical GPT y Visual Dx, y aunque son relativamente precisos al interpretar estudios, reportes o radiografías, muchas veces fallan en ofrecer un razonamiento sólido del por qué llegaron a sus conclusiones.
Y, al menos para mí, ese es un problema grave. La confianza clínica necesita transparencia, no solo resultados.
Una herramienta complementaria, no un reemplazo
Aunque los sistemas de inteligencia artificial aún no pueden reemplazar el juicio clínico del endodoncista, la evidencia reciente indica que pueden actuar como herramientas complementarias valiosas. La IA en endodoncia no es un sustituto del criterio profesional, sino una extensión de nuestras capacidades diagnósticas. Creo que el verdadero valor de estas herramientas se verá cuando las integremos con inteligencia clínica, no cuando las usemos como oráculo automático.
Referencias
López-López J, Segura-Egea JJ, Martín-González J, Cisneros-Cabello R. Comparative performance of chatbots in endodontic clinical decision support: a 4-day accuracy and consistency study. Int Dent J. 2025;S0020-6539(25):00207-2.
AlShwaimi E, Al-Manei K, Al-Subaie A, Al-Harbi F. Assessment of the accuracy of modern artificial intelligence chatbots in responding to endodontic queries. Aust Endod J. 2025;51(1):e70012.
Schwendicke F, Samek W, Krois J. Artificial intelligence in dentistry: chances and challenges. J Dent Res. 2020;99(7):769-74.
