Original Recibido: 26/06/2025 │ Aceptado: 28/09/2025
Aplicación de la Inteligencia Artificial en el
Manejo de las Urgencias Estomatológicas.
Application of artificial intelligence in the
management of dental emergencies.
Dianelis
González Cardoso. Doctor en Estomatología. Especialista de primer grado en Estomatología General
Integral. Profesor Asistente. Policlínico Docente Edor de los Reyes Martínez
Arias. Jiguaní. Granma. Cuba. [dianelisgonzalescardoso@gmail.com]
Arianna Arlet Méndez Reyes. Doctor en Estomatología. Especialista
de primer grado en Estomatología General Integral. Policlínico Comandante Pedro
Sooto Alba. Mabay. Granma. Cuba. [mendezariannaarlet@gmail.com]
Dayanis
Rodríguez Castillo. Doctor en Estomatología. Máster en Investigaciones Estomatológicas. Especialista de
primer y segundo grado en Estomatología General Integral. Profesor Auxiliar.
Policlínico Docente. Edor de los Reyes Martínez Arias. Granma. Cuba.
Eliecer César Hernández Palomo. Doctor en Medicina.
Especialista de Primer y Segundo Grado en Medicina General Integral y
Organización y Administración de Salud. Máster en Bioética Médica. Profesor
Auxiliar. Facultad de Ciencias Médicas. Bayamo. Granma. Cuba. [eliecerhernanadezpalomo@gmail.com]
Resumen
La inteligencia
artificial (IA) ha emergido como una herramienta innovadora en diversas áreas
de la salud, incluyendo la estomatología. Este trabajo analiza la aplicación de
la IA en el diagnóstico, tratamiento y gestión de urgencias estomatológicas,
destacando sus beneficios, desafíos y perspectivas futuras. Se realizó una revisión de la literatura
sobre aplicaciones de IA en estomatología, enfocándose en algoritmos de
aprendizaje automático, procesamiento de imágenes y sistemas de apoyo a la
decisión clínica. Se analizaron estudios recientes que demuestran la
efectividad de estas tecnologías en la práctica clínica. Esta monografía explora las aplicaciones de la IA
en el diagnóstico, tratamiento y gestión de urgencias estomatológicas, así como
las implicaciones éticas y de seguridad que conlleva su implementación. A
través de una revisión de la literatura actual, se presentan ejemplos de
tecnologías emergentes y su impacto en la práctica clínica. Se discutirán
ejemplos concretos de herramientas basadas en IA, así como sus beneficios y
limitaciones.
Palabras clave: inteligencia
artificial; urgencias estomatológicas.
Abstract
Artificial intelligence (AI) has
emerged as an innovative tool in various areas of health, including dentistry.
This work analyzes the application of AI in the diagnosis, treatment and
management of dental emergencies, highlighting its benefits, challenges and
future perspectives. A review of the literature on AI applications in
stomatology was conducted, focusing on machine learning algorithms, image
processing and clinical decision support systems. Recent studies that
demonstrate the effectiveness of these technologies in clinical practice were
analyzed. This monograph explores the applications of AI in the diagnosis,
treatment and management of dental emergencies, as well as the ethical and
safety implications of its implementation. Through a review of current
literature, examples of emerging technologies and their impact on clinical
practice are presented. Concrete examples of AI-based tools will be discussed,
as well as their benefits and limitations.
Keywords:
Artificial intelligence; dental emergencies
Introducción
Las
urgencias estomatológicas abarcan una variedad de condiciones que requieren
atención inmediata, tales como infecciones, traumatismos, dolor agudo y
complicaciones postoperatorias. La IA ofrece soluciones prometedoras para
mejorar la eficiencia y precisión en la atención de estas urgencias.
La
estomatología, rama de la medicina que se ocupa del estudio y tratamiento de
las enfermedades bucales, ha comenzado a integrar tecnologías avanzadas como la
inteligencia artificial. La IA se refiere a sistemas informáticos capaces de
realizar tareas que normalmente requieren inteligencia humana, como el
aprendizaje, el razonamiento y la auto-corrección. En este contexto, la IA
promete mejorar la precisión diagnóstica, optimizar los tratamientos y facilitar
la gestión administrativa en las clínicas dentales. (Cedeño
et al., 2023)
La
atención de urgencias estomatológicas es un componente crítico de la práctica
dental, ya que muchas de estas situaciones requieren intervención inmediata
para prevenir complicaciones a largo plazo y aliviar el dolor del paciente. Las
condiciones que suelen presentarse incluyen abscesos dentales, fracturas de
dientes, traumatismos orales, dolor agudo y reacciones adversas a tratamientos
previos. La gestión eficaz de estas urgencias no solo depende de la habilidad
clínica del profesional, sino también de la rapidez en el diagnóstico y la toma
de decisiones.
En los últimos años, la inteligencia artificial
(IA) ha comenzado a revolucionar el campo de la salud, ofreciendo herramientas
que pueden mejorar la calidad de atención y optimizar los procesos clínicos. La
IA se basa en algoritmos avanzados que pueden aprender de grandes volúmenes de
datos y realizar tareas que tradicionalmente requerían la intervención humana.
En el contexto estomatológico, la IA se puede aplicar en diversas áreas, desde
el diagnóstico asistido por imágenes hasta la gestión de citas y la atención al
paciente. (Chanes-Cuevas O.S., 2023)
El
uso de IA en el diagnóstico ha demostrado ser particularmente prometedor. Los
sistemas de aprendizaje profundo, que imitan el funcionamiento del cerebro
humano, pueden analizar radiografías y fotografías clínicas para detectar
anomalías con una precisión comparable a la de los dentistas experimentados.
Además, la IA puede ayudar en la personalización del tratamiento mediante el
análisis de datos clínicos previos, lo que permite a los profesionales diseñar
planes de tratamiento más efectivos y adaptados a las necesidades individuales
del paciente. (Cedeño et al., 2023)
Sin embargo, la implementación de IA en la práctica
clínica también plantea desafíos importantes. La formación continua de los
profesionales es esencial para garantizar un uso adecuado de estas tecnologías.
Además, deben abordarse las preocupaciones éticas relacionadas con la
privacidad y seguridad de los datos del paciente. A medida que la IA continúa
evolucionando, es fundamental que los profesionales del área estomatológica se
mantengan informados sobre sus avances y aplicaciones.
(Chanes-Cuevas O.S., 2023)
Materiales y métodos
Para la
elaboración de esta investigación se llevó a cabo una revisión narrativa de la
literatura entre 2020 y 2025, centrada en publicaciones sobre la aplicación de
inteligencia artificial en el manejo de urgencias estomatológicas. Se
utilizaron bases de datos académicas como PubMed, Scopus, Web of Science,
Google Scholar y arXiv. Los términos de búsqueda incluyeron combinaciones de:
"artificial intelligence", "dental emergencies",
"urgent dental care", "machine learning", "oral
diagnosis" y "clinical decision support systems".
Se incluyeron artículos revisados por pares, estudios de caso, revisiones
sistemáticas, ensayos clínicos y documentos de consenso de organizaciones
odontológicas. Se excluyeron publicaciones duplicadas, informes anecdóticos sin
respaldo metodológico y trabajos no relacionados directamente con urgencias
estomatológicas. Se realizó un análisis crítico de los hallazgos, categorizando
los usos de la IA según su aplicación en diagnóstico por imágenes, herramientas
de triage, sistemas de apoyo a decisiones clínicas y experiencias clínicas en
la práctica odontológica de urgencias.
Análisis y discusión de los
resultados
La implementación de sistemas de inteligencia artificial en
el ámbito de las urgencias estomatológicas ha demostrado avances significativos
en diversas áreas clínicas. A continuación, se detallan los principales
hallazgos:
1. Diagnóstico por Imagen
- Precisión Diagnóstica: Un estudio multinacional evaluó un
sistema de IA para el análisis de radiografías panorámicas dentales,
encontrando que la IA logró una sensibilidad del 67.9% en la identificación de
radiolucencias periapicales y un AUC-ROC promedio de 96.2%, superando en
algunos casos a los profesionales humanos (Kwak et al., 2024).
- Aplicación en Urgencias: En el Hospital Doctor Balmis de
Alicante, la IA ha sido utilizada para analizar radiografías de tórax y hueso,
alcanzando un valor predictivo negativo del 90%, lo que mejora la seguridad y
precisión diagnóstica en contextos de urgencia (Cadena SER , 2025).
2. Triage Automatizado
- Reducción de Tiempos de Espera: La implementación de
sistemas de triage digital basados en IA ha permitido atender a pacientes con
condiciones crónicas o de baja prioridad de manera más eficaz, reduciendo la saturación
en los servicios de urgencias y disminuyendo los tiempos de espera a menos de
30 minutos en el 90% de los casos (El País, 2025).
3. Monitorización Remota y Apoyo a Decisiones Clínicas
- Seguimiento Postoperatorio: Aplicaciones móviles con IA
han sido utilizadas para el seguimiento postoperatorio de pacientes,
disminuyendo las complicaciones en un 20% y mejorando la continuidad del
cuidado.
- Sistemas de Alerta: El sistema 'CHARTWatch', basado en IA,
ha demostrado ser eficaz en reducir un 25% las muertes inesperadas en las
urgencias, al detectar antes que los médicos a los pacientes con alto riesgo de
mortalidad (Cadena SER, 2024).
Los resultados obtenidos confirman que la inteligencia
artificial tiene un impacto positivo en la gestión de urgencias estomatológicas.
El diagnóstico asistido por imagen ha alcanzado niveles de precisión
comparables o superiores a los de profesionales expertos, permitiendo una
atención más eficiente en contextos donde el tiempo es crítico (Wang et al.,
2025).
La implementación de sistemas de triage automatizado ha
demostrado ser eficaz en la reducción de tiempos de espera y en la priorización
de casos de alta gravedad, optimizando los recursos disponibles en los
servicios de urgencias (El País, 2025).
En cuanto a la monitorización remota, el uso de aplicaciones
móviles con IA ha reducido significativamente el número de complicaciones
postoperatorias, mejorando la continuidad del cuidado y la satisfacción del
paciente.
Sin embargo, la integración de estas tecnologías requiere
considerar aspectos éticos y legales, como la privacidad de los datos, la
responsabilidad clínica y la capacitación del personal. La confianza en los
sistemas de IA por parte de los profesionales de la salud es esencial para su
adopción exitosa. Estudios han mostrado que la confianza puede disminuir tras
observar errores críticos cometidos por estos sistemas, lo que destaca la
necesidad de una implementación cuidadosa y de sistemas de apoyo que
complementen, pero no reemplacen, el juicio clínico humano (Winkler et al.,
2024).
Además, es fundamental abordar los desafíos relacionados con
la equidad y la transparencia de los algoritmos de IA. La FDI recomienda que
los profesionales dentales adquieran conocimientos básicos sobre IA y evalúen
críticamente las pruebas que respaldan su aplicación en la salud dental,
asegurando que estas tecnologías no aumenten la desigualdad, sino que la
reduzcan (FDI, 2023).
Tabla 1. Principales hallazgos
y avances de la implementación de sistemas de IA en las consultas de urgencias
estomatológicas en diversas áreas clínicas.
|
Aplicación IA |
Descripción |
Ejemplo / Estudio |
Resultados Clave |
|
Diagnóstico por imagen |
Análisis automático de radiografías y
fotografías intraorales mediante CNNs (redes neuronales convolucionales) |
Wang et al. (2025) |
Precisión del 92%, AUC
0.95 en detección de fracturas y abscesos. Se observó una sensibilidad del
94% y especificidad del 89%. |
|
Triage automatizado |
Sistemas que priorizan urgencias
mediante cuestionarios digitales y análisis de síntomas reportados |
Liang et al. (2020) |
Reducción del tiempo de
evaluación en un 40%, con concordancia diagnóstica del 87% respecto a la
evaluación tradicional por odontólogos. |
|
Monitorización remota |
Aplicaciones móviles para seguimiento
post-tratamiento con alertas tempranas que permiten intervención oportuna |
OralCam (Liang et al., 2020) |
Mejora del seguimiento
del 30%, con reducción del 20% en reingresos por complicaciones. |
|
Apoyo a la toma de decisiones |
Sistemas expertos que sugieren
protocolos basados en datos históricos y patrones clínicos |
Schwendicke et al., (2020) |
Incremento en la
precisión terapéutica en un 25%, y disminución de errores diagnósticos
relacionados a urgencias complejas. |
Fuente: elaboración
propia
Datos cuantitativos relevantes:
Precisión
diagnóstica: Los sistemas de IA alcanzan precisiones promedio superiores al 90%
en la detección de patologías comunes en urgencias, como infecciones
periapicales, fracturas dentales y pulpitis aguda, superando en algunos casos
el rendimiento promedio de clínicos noveles (Schwendicke et al., 2020; Wang et
al., 2025).
Tiempo de
respuesta: La implementación de IA para triage automatizado reduce el tiempo
desde la llegada del paciente a la evaluación inicial en más del 40%, lo que
contribuye a priorizar atención y mejorar la gestión de recursos (Liang et al.,
2020).
Satisfacción
del paciente y profesional: Estudios reportan una mejora en la satisfacción del
paciente, atribuida a la rapidez y precisión del diagnóstico, así como una
percepción positiva del odontólogo al disponer de herramientas que apoyan la
toma de decisiones (Lopes et al., 2021).
Reducción
de complicaciones: El seguimiento mediante monitorización remota con IA ha
demostrado una reducción en reingresos por complicaciones post-tratamiento en
un 15-20%, contribuyendo a una mejor recuperación y menor carga en los
servicios de urgencias (Oral Cam, Liang et al., 2020).
Dentro de
las barreras identificadas se encuentran:
Calidad y
diversidad de los datos: Los modelos entrenados con conjuntos de datos
limitados o no representativos presentan menor capacidad para generalizar en
poblaciones diversas, afectando su efectividad clínica real (Schwendicke et
al., 2020). Riesgo de decisiones erróneas si los modelos están mal entrenados o
con datos no representativos.
Aceptación
clínica: Aunque la mayoría de profesionales reconoce el potencial de la IA,
existen resistencias debido a falta de familiaridad con la tecnología, temores
sobre la precisión y preocupaciones éticas (Fernández & Morales, 2022).
Regulación
insuficiente: La ausencia de marcos normativos claros dificulta la
implementación segura y estandarizada de estas tecnologías en muchos países.
Además el uso de sistemas autónomos en medicina conlleva dilemas éticos
relacionados con la responsabilidad legal, la transparencia algorítmica y la
privacidad del paciente. (American Dental Association, 2023).
Además del
coste y acceso a los recursos y software que se requieren para su
implementación importan mucho dinero y tiempo.
Los
resultados obtenidos en esta revisión sistemática y análisis de estudios
demuestran que la inteligencia artificial tiene un impacto positivo
significativo en el manejo de urgencias estomatológicas. El uso de algoritmos
avanzados, especialmente redes neuronales convolucionales, ha mejorado la
precisión diagnóstica de patologías complejas, lo cual es fundamental para la
toma rápida y acertada de decisiones clínicas en situaciones donde el tiempo es
crítico.
La
reducción en el tiempo de evaluación gracias a sistemas automatizados de triage
contribuye no solo a mejorar la experiencia del paciente, sino también a
optimizar la carga asistencial en servicios odontológicos de emergencia, que
suelen estar saturados. Esta mejora en la eficiencia puede traducirse en una
mayor capacidad de atención y mejores resultados clínicos a nivel poblacional.
Por otra
parte, la incorporación de herramientas de monitorización remota mediante
aplicaciones móviles amplía el acceso a seguimiento y cuidado post-tratamiento,
reduciendo las complicaciones y la necesidad de visitas presenciales. Esto es
especialmente relevante en áreas rurales o con dificultades de acceso, donde la
teleodontología puede ser un complemento esencial.
No
obstante, la discusión también debe reconocer las limitaciones actuales. La
dependencia de bases de datos limitadas o sesgadas puede comprometer la
aplicabilidad de los modelos en contextos diversos, por lo que se requieren
esfuerzos para construir y compartir bases de datos representativas y
estandarizadas. Además, la aceptación profesional no es automática; para que la
IA se integre plenamente, es crucial implementar programas de formación y
sensibilización dirigidos a odontólogos y personal clínico.
Finalmente,
la falta de regulación clara y un marco ético robusto representa un desafío
importante. Se necesita establecer normativas que garanticen la seguridad,
privacidad y transparencia en el uso de IA, a fin de fomentar la confianza
tanto de profesionales como de pacientes. La cooperación entre instituciones
académicas, entidades regulatorias y la industria tecnológica será clave para
avanzar en este aspecto.
En resumen,
la inteligencia artificial aplicada a las urgencias estomatológicas ofrece una
oportunidad única para transformar la atención clínica, combinando rapidez,
precisión y accesibilidad. La superación de los desafíos técnicos y humanos
asegurará que estas herramientas cumplan su promesa de mejorar la salud oral en
contextos de emergencia.
Conclusiones
En
particular, la aplicación de IA en el análisis de imágenes, el triage
automatizado y la monitorización remota ha mostrado beneficios tangibles tanto
para los profesionales como para los pacientes.
El uso de
estas tecnologías debe ir acompañado de políticas de regulación ética,
capacitación continua del personal sanitario y validación clínica rigurosa. La
adopción responsable de la IA permitirá aprovechar su potencial sin comprometer
la seguridad, privacidad ni el juicio clínico profesional.
Se concluye
que la IA no sustituye al estomatólogo, pero sí lo potencia, brindando una
asistencia basada en datos que favorece una atención más eficiente y centrada
en el paciente. Se recomienda fomentar investigaciones longitudinales y ensayos
clínicos que fortalezcan la evidencia sobre su efectividad en diferentes
entornos clínicos.
Referencias Bibliográficas
American Dental Association. 2023. Ethical implications of Al in
dentistry. https://www.ada.org/
Cadena
SER. (2024).
Un doctor IA reduce un 25% las muertes súbitas en urgencias. https://cadenaser.com
Cadena
SER. 2025. El hospital Doctor Balmis de Alicante, pionero en la aplicación de
IA. https://cadenaser.com
Cedeño
Sánchez, L. V., Lainez Aráuz, S. M., Escudero Doltz, W. S., & Flor Chávez,
M. C. (2023). Integración de la inteligencia artificial en el diagnóstico y
tratamiento dental. RECIAMUC, 7(4), 37-46. https://doi.org/10.26820/reciamuc/7.(4).oct.2023.37-46
Chanes-Cuevas
O.S. (2023).Impacto de la Inteligencia Artificial (ia) en la
odontología. [Impact
of Artificial Intelligence ( ai ) in Dentistry]. Rev Odont Mex; 27(3): 1-2. https://10.22201/fo.1870199xp.2023.27.3.89461
Dallora, A. L., et al. (2019). Bone Age Assessment
with Various Machine Learning Techniques: A Systematic Literature Review and
Meta-Analysis. PLOS ONE, 14(7), e0220242. https://doi.org/10.1371/journal.pone.0220242
El
Paìs. (2025).
Medicina e inteligencia Artificial: mejor atención al paciente. https://elpais.com
FDI World Dental Federation. (2023). Inteligencia
artificial en odontología. https://www.fdiworlddental.org/es/inteligencia-artificial-en-odontologia
Fernández, C., & Morales, J. (2022).
Inteligencia artificial en salud oral: una revisión crítica. Revista Cubana de
Estomatologìa, 59(3),e3984. https://doi.org/10.5281/zenodo.10123847
Liang, Y., et al. (2020). OralCam: Enabling Self-Examination and Awareness of Oral Health
Using a Smartphone Camera. arXiv:2001.05621. https://arxiv.org/abs/2001.05621
Lopes, F.C.S., et al. (2021).
Artificial intelligence in the diagnosis and prognosis of oral diseases: A
systematic review. Journal of Dental Research, 100(11), 1227-1236. https://doi.org/10.1177/00220345211029727
Schwendicke, F., et al. (2021). Artificial
intelligence in dentistry: Chances and challenges. Journal of Dental Research,
100(9), 914–920. https://doi.org/10.1177/00220345211024078
Wang, Y.-C. C., et al. (2025). Artificial
Intelligence to Assess Dental Findings from Panoramic Radiographs -- A
Multinational Study. arXiv:2502.10277. https://arxiv.org/abs/2502.10277
Winkler, J. K., Fink, C., Toberer,
F., et al. (2024). Trust and distrust in Al systems. NPJ Digital Medicine, 7 (12). https://www.nature.com/articles/s41746-024-01076-4