Optimización del escaneo de arcada completa
5
problemas pueden originar capturas incompletas o dis-
torsionadas, prolongando el procedimiento y comprome-
tiendo la experiencia del paciente.
oportunidades y retos de la inteligencia artificial (IA) en
odontología, al evidenciar una mejora tangible en la pre-
cisión y eficiencia del escaneo digital full-arch mediante
IA en tiempo real. Mientras Brüllmann y Schulze enfatizan
desafíos como la integración clínica y la necesidad de
validación robusta, los resultados obtenidos con NEMOS-
CAN, OMNICAM e INEOSX 3D demuestran que la IA pue-
de reducir errores hasta en un 45%, optimizar flujos de
trabajo y aumentar la reproducibilidad, abriendo camino
para su adopción práctica. Sin embargo, ambas fuentes
coinciden en la importancia de profundizar investigacio-
nes para evaluar la robustez y adaptabilidad de estos al-
goritmos en escenarios clínicos diversos, considerando
variables como humedad y anatomía individual. Así, este
estudio ofrece evidencia primaria que aporta a la discu-
sión sobre cómo superar las barreras técnicas y éticas
En ese sentido, la incorporación de algoritmos de IA en
tiempo real ha demostrado potencial para resolver estas
limitaciones. Mediante técnicas de image stitching, de-
tección de mallas incompletas y reconstrucción adapta-
tiva, la IA puede corregir errores geométricos y aumentar
,
la continuidad superficial del modelo escaneado.⁵ ⁶ En
este estudio, dicha integración resultó en una reducción
del error medio de 0,28 mm a 0,15 mm, y una mejora en
el CCI interobservador (de 0,90 a 0,95), lo cual es consis-
tente con lo reportado por investigaciones previas que
demuestran mejoras de hasta 40% en precisión tras el
uso de IA.⁷
-
señaladas por los autores mencionados.¹³ ¹⁵
Cabe destacar que las mediciones se realizaron usando
un calibrador digital, aceptado como gold standard en la
literatura. No obstante, estudios como el de Revilla-León
et al.⁸ advierten que incluso este método presenta erro-
res sistemáticos cuando se utiliza en superficies denta-
rias con curvaturas pronunciadas, especialmente en mo-
delos de yeso. Este aspecto fue mitigado en el presente
estudio mediante la estandarización del protocolo de
medición y el entrenamiento de los evaluadores.
Los hallazgos de este estudio concuerdan con investiga-
ciones previas que demuestran el potencial de la inteli-
gencia artificial (IA) para mejorar la precisión y eficiencia
en la odontología digital. Liu et al. (2023) enfatizan la utili-
dad de sistemas basados en IA para apoyar el diagnóstico
y la planificación ortodóntica, lo cual complementa la me-
jora en la captura de imágenes full-arch observada aquí.¹⁶
De manera similar, Vinayahalingam et al. (2023) muestran
que el aprendizaje profundo aplicado a la corrección de
errores en escáneres intraorales puede reducir conside-
rablemente las imprecisiones, un resultado congruente
con la reducción del error medio en este estudio.¹⁷ Por
otro lado, Yalamanchili et al. (2025) confirman que algo-
ritmos de IA alcanzan niveles de diagnóstico compara-
bles a expertos humanos en radiografías panorámicas, lo
que indica el creciente papel de la IA en distintas facetas
del diagnóstico dental.¹⁸ En conjunto, estas evidencias
fortalecen la validez clínica y tecnológica del uso de IA
para optimizar procesos digitales, aunque Se subraya la
necesidad de validar su desempeño en escenarios clíni-
cos variados para garantizar su robustez y aplicabilidad
La aplicabilidad clínica de estos hallazgos es significati-
va. En situaciones de apiñamiento severo, donde la cap-
tura de puntos de contacto y contornos es más difícil, la
IA logró reducir el error hasta en un 45%, representando
una mejora sustancial en eficiencia diagnóstica. Esta
mejora puede facilitar la adopción de flujos digitales en
contextos con alta rotación de pacientes, como hospita-
les universitarios o clínicas de atención primaria, donde
la velocidad y precisión son esenciales.
La literatura sobre IA en escaneo full-arch es todavía
escasa, centrándose mayoritariamente en reconstruc-
ción volumétrica en Tomografía Computarizada de Haz
Cónico (CBCT) y segmentación automatizada en pla-
nificación ortodóntica.⁹ ¹ Este estudio contribuye con
Adicionalmente, los resultados obtenidos también se
pueden contrastar con Gracea et al. (2025) destacan
cómo la IA aplicada al análisis tridimensional de modelos
dentales no solo mejora la precisión sino también la efi-
ciencia en la evaluación, reafirmando la ventaja compe-
titiva que representa la integración de IA en los procesos
de escaneo full-arch, tal como se evidenció en nuestra
investigación.¹⁹ Por otro lado, la revisión sistemática rea-
lizada por Joda et al. (2020) resalta el potencial de tec-
nologías complementarias como la realidad aumentada
y virtual en la medicina dental, tecnologías que, al com-
binarse con IA, podrían potenciar aún más la experiencia
,
0
evidencia primaria sobre la aplicación directa de la IA al
proceso de captura, etapa clave del flujo digital. No obs-
tante, se requieren investigaciones futuras que evalúen
la robustez del algoritmo en condiciones clínicas reales,
incluyendo variables como la humedad intraoral, la pre-
sencia de tejidos blandos y las diferencias anatómicas
entre pacientes.
El presente estudio complementa las reflexiones de
Brüllmann, Revilla-León y cols., y Choi y cols. sobre las
Revista OACTIVA UC Cuenca. Vol. 10, No. 3, Septiembre-Diciembre, 2025
