Optimización del escaneo full-arch mediante algoritmos de inteligencia artificial: validación con NEMOSCAN, OMNICAM e INEOSX 3D: Optimization of full-arch scanning using artificial intelligence algorithms: validation with NEMOSCAN, OMNICAM, and INEOSX 3D

Manuel Estuardo Bravo; Maria Jose Bravo

doi:10.31984/oactiva.v10i3.1191

Autores/as

Manuel Estuardo Bravo Universidad de Cuenca
Maria Jose Bravo Universidad de Sao Paulo

DOI:

https://doi.org/10.31984/oactiva.v10i3.1191

Palabras clave:

: Odontología; Salud; Atención; Servicio de salud

Resumen

Introducción: La digitalización de arcadas completas es esencial en odontología moderna. Aunque NEMOSCAN, OMNICAM e INEOSX 3D han mostrado alta fiabilidad, factores clínicos pueden afectar la precisión. La IA puede optimizar capturas, corregir errores y mejorar la eficiencia. Objetivo: Evaluar la eficacia de un sistema IA en tiempo real para optimizar el escaneo full-arch. Materiales y métodos: 36 arcadas (4 niveles de apiñamiento) fueron escaneadas con y sin IA. Se evaluó precisión, tiempo y concordancia con calibrador digital. Resultados: La IA redujo el error medio a 0,15 mm, incrementó el CCI a 0,94 y redujo el tiempo de escaneo en un 25%.
Conclusiones: La IA mejora precisión y eficiencia, siendo una herramienta prometedora para la Odontología y la ortodoncia digital.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

1. Logozzo S, Zanetti EM, Franceschini G, Kilpelä A, Mäkynen A. Recent advances in dental optics – Part I: 3D intraoral scanners for restorative dentistry. Opt Lasers Eng. 2014;54:203–21. https://doi.org/10.1016/j. optlaseng.2013.07.017

2. Mangano F, Gandolfi A, Luongo G, et al. Intraoral scanners in dentistry: a review of the current literature. BMC Oral Health. 2017;17:149. DOI: https://doi.org/10.1186/s12903-017-0442-x

3. Medina-Sotomayor P, Pascual A, Camps I. Accuracy of four digital scanners according to scanning strategy in complete-arch impressions. PLoS One. 2018;13(9):e0202916. DOI: https://doi.org/10.1371/journal.pone.0202916

4. Mangano FG, Hauschild U, Veronesi G, et al. Trueness and precision of four intraoral scanners in oral implantology: a comparative in vitro study. PLoS One. 2019;14(9):e0222193. DOI: https://doi.org/10.1371/ journal.pone.0163107

5. Ciocan, L. T., Vasilescu, V. G., Răuță, S.-A., Pantea, M., Pițuru, S.-M., & Imre, M. (2024). Comparative analysis of four different intraoral scanners: An in vitro study. Diagnostics, 14(13), 1453. https://doi.org/10.3390/ diagnostics14131453

6. Güth JF, Runkel C, Beuer F, Stimmelmayr M, Edelhoff D. Accuracy of five intraoral scanners compared to indirect digitalization. Clin Oral Investig. 2021;25(3):1031–1038. DOI: https://doi.org/10.1007/ s00784-016-1902-4

7. Imburgia M, Logozzo S, Hauschild U, et al. Accuracy of intraoral scanners: a systematic review of in vitro studies. J Prosthet Dent. 2021;126(3):351-360. DOI:10.1922/EJPRD_01752Abduo21

8. Rutkąvėnaitė A, Juodzbalys G. Accuracy of digital intraoral impressions: a systematic review. J Prosthodont. 2022;31(2):112-122.DOI:10.4103/jips.jips_327_19

9. Revilla-León, M., Jiang, P., Sadeghpour, M., Piedra-Cascón, W., Zandinejad, A., & Özcan, M. (2019). Intraoral digital scans—Part 1: Influence of ambient scanning light conditions on the accuracy (trueness and precision) of different intraoral scanners. Journal of Prosthetic Dentistry. https://doi.org/10.1016/j.prosdent.2019.06.003

10. Schwendicke F, Samek W, Krois J. Artificial intelligence in dentistry: chances and challenges. J Dent Res. 2020;99(7):769–774.DOI: https://doi.org/10.1177/0022034520915714

11. Chen H, Li H, Wang H, et al. Artificial intelligence in dentistry: current applications and future perspectives. Quintessence Int. 2021;52(3):248–257. DOI: https://doi.org/10.3290/j.qi.a43952

12. Bravo Calderón ME. Evaluación comparativa de precisión entre escáneres intraorales y extraorales en modelos con y sin apiñamiento dental. Cuenca, Ecuador: Universidad de Cuenca; 2022. https://hdl.handle.net/20.500.12866/11829

13. Brüllmann D, Schulze RK. Artificial intelligence in dentistry: chances and challenges. Dentomaxillofac Radiol. 2022;51(2):20210189. doi: 10.1177/0022034520915714

14. Revilla-León M, Gómez-Polo M, Weber HP. Artificial intelligence in prosthodontics: a scoping review. J Prosthet Dent. 2023;129(1):35–42. DOI: https://doi.org/10.18203/2349-3933.ijam20220444

15. Choi, J., Ahn, J., & Park, J.-M. (2024). Deep learning-based automated detection of the dental crown finish line: An accuracy study. The Journal of Prosthetic Dentistry. https://doi.org/10.1016/j.prosdent.2023.11.018

16. Liu, J., Zhang, C., & Shan, Z. (2023). Application of artificial intelligence in orthodontics: Current state and future perspectives. Healthcare (Basel, Switzerland), 11(20), 2760. https://doi.org/10.3390/healthcare11202760.

17. Vinayahalingam, S., Kempers, S., Schoep, J., Hsu, T.-M. H., Anssari Moin, D., van Ginneken, B., Flügge, T., Hanisch, M., & Xi, T. (2023). Intra-oral scan segmentation using deep learning. BMC Oral Health, 23, 643. https://doi.org/10.1186/s12903-023-03362-8

18. Yalamanchili, S., Chennupati, T., Nunsavathu, P. R. N., Saranu, S., Kotha, P., Marpuri, S., & Hiralkar, P. (2025). Artificial intelligence in panoramic images—clinical aid to a dentist. Exploration of Medicine, 6, 1001296. https://doi.org/10.37349/emed.2025.1001296

19. Gracea, R. S., Al-Deeb, M., Ali, A., Ahmed, E., Hegazy, E., & Elgendy, A. (2025). Artificial intelligence for orthodontic diagnosis and treatment planning: A scoping review. Orthodontics & Craniofacial Research. Advance online publication. https://doi.org/10.1016/j.ocrcr.2024.6122

20. Joda T, Matthisson L, Zitzmann NU. Augmented and virtual reality in dental medicine: a systematic review. Comput Biol Med. 2020;125:104915. DOI: 10.1016/j.compbiomed.2019.03.012

21. Lee JH, Kim DH, Jeong SN, Choi SH. Detection and diagnosis of dental caries using a deep learning–based convolutional neural network algorithm. J Dent. 2018;77:106–111.DOI: https://doi.org/10.1016/j.jdent.2018.07.015