IA en el diagnóstico dental: qué detecta, qué se le escapa y qué sigue decidiendo el clínico

La inteligencia artificial detecta hoy en una radiografía dental, con bastante fiabilidad, lo que un dentista atento ya ve. Y falla justo donde tú haces más falta: en la lesión incipiente. Las cifras agrupadas son buenas —alrededor de 0,85 de sensibilidad y 0,90 de especificidad para caries—, pero se obtienen comparando la máquina con un panel de dentistas, no con el diente abierto. Y el único ensayo que ha seguido la cadena entera —detectar, decidir, tratar, ver cuánto dura el diente— encontró que detectar más no se tradujo en conservar más. Esto es el pilar del hub de diagnóstico: lo que sigue es el estado del campo, con sus cifras y con los límites pegados a cada cifra.

Puntos clave

• Todo lo que hay hoy en el mercado es detección asistida: el sistema marca hallazgos para que tú los revises. Ninguno de los programas autorizados diagnostica por su cuenta, y sus propias autorizaciones lo dicen por escrito.
• Las cifras agrupadas de caries son buenas, pero la sensibilidad baja a 0,71 en la lesión limitada a esmalte frente a 0,84 en dentina. La IA detecta peor precisamente lo que a ti más te cuesta y lo que más decisión exige.
• El patrón con el que se compara casi toda la evidencia es el consenso de un panel de dentistas, no la histología. Lo que miden esos estudios es cuánto se parece la máquina a un grupo de colegas.
• Asistir a un dentista con IA sube la sensibilidad, a veces a costa de la especificidad. En el único ensayo que llegó hasta el desenlace, más detección se tradujo en más tratamiento invasivo, con la misma supervivencia del diente y el mismo coste.
• Fuera de la caries todo depende de la modalidad: con el mismo programa, la sensibilidad para lesiones periapicales pasó del 33 % en panorámica al 78 % en CBCT.
• Si la usas en tu clínica, el reglamento europeo te asigna obligaciones propias como usuario profesional, distintas de las del fabricante: usarla dentro de su indicación, supervisarla con competencia, conservar los registros al menos seis meses e informar al paciente.

¿Qué detecta hoy la inteligencia artificial en una imagen radiológica dental?

Cuatro cosas, con grados de madurez muy distintos.

Hay un patrón en esa tabla que conviene nombrar, porque explica casi todo lo demás. Lo que mejor funciona es lo que no es diagnóstico. Separar un diente del hueso en un CBCT es una tarea geométrica con una respuesta correcta, y ahí la máquina es excelente. En cuanto la tarea consiste en decidir si esa zona más oscura es una lesión, el rendimiento baja y la incertidumbre sube. No es casualidad: la geometría tiene una verdad comprobable, y el diagnóstico, muchas veces, no la tiene.

Conviene además saber dónde estamos en adopción, aunque el dato sea prestado. En Estados Unidos, el Health Policy Institute de la American Dental Association preguntó a 589 dentistas en junio de 2026: el 43,3 % usa inteligencia artificial para alguna tarea y el 22,8 % la usa en imagen y diagnóstico. El propio ADA advierte de que su muestra se inclina hacia colegiados de la asociación, propietarios de consulta y zonas urbanas, así que la cifra probablemente sobreestima la media. Y un tercer dato de ese mismo panel dice más que los dos anteriores: menos del 5 % la usa para recomendaciones de tratamiento, y el 82,6 % declara que no piensa hacerlo nunca. Los dentistas estadounidenses han trazado una línea muy clara entre ayúdame a ver y dime qué hacer.

En España no hay ninguna cifra equivalente. A día de hoy no existe ninguna encuesta pública que mida cuántos dentistas españoles usan IA diagnóstica. No lo digo como reproche, sino como hueco: el Consejo General de Dentistas ya tiene un grupo de trabajo sobre inteligencia artificial y ya hace encuestas a colegiados, y sería el sitio natural del que saliera ese dato.

¿Cuánta caries detecta, y cuánta se le escapa?

La revisión paraguas más completa, publicada en PLOS ONE en 2025, sitúa el rendimiento agrupado de la IA en detección de caries en una sensibilidad de 0,85 y una especificidad de 0,90, sobre veinte estudios primarios y 29.423 pruebas diagnósticas. Son cifras buenas. Los propios autores las acompañan de tres advertencias que pesan más que las cifras: heterogeneidad superior al 95 % entre estudios, sesgo de publicación estadísticamente significativo, y una prevalencia de caries en las muestras del 27,3 %, que ellos mismos describen como notablemente inferior a la de la población real.

El desglose importa más que el promedio. Un metaanálisis alemán específico de aleta de mordida, publicado en la Japanese Dental Science Review en 2024, separó las lesiones por profundidad: sensibilidad de 0,84 en caries de dentina y de 0,71 en caries limitada a esmalte. Trece puntos de diferencia, y en la dirección incómoda. La lesión de esmalte es la que admite remineralización y vigilancia, la que abre la decisión clínica de verdad, y es la que peor ve la máquina. En ese mismo trabajo, de catorce estudios incluidos solo uno presentaba bajo riesgo de sesgo en todos los dominios, y solo uno buscó validación externa: rindió peor.

Esa distinción no es teórica. En una revisión metodológica publicada en Caries Research en 2026, Ganss y Vach hacen una cuenta que conviene tener presente: con una especificidad del 90 % medida por superficie, y treinta y dos superficies proximales evaluadas en un paciente sin una sola caries, la probabilidad de que aparezca al menos un falso positivo es del 97 %. Es un cálculo, no una medición —supone que los errores son independientes entre superficies, cosa que no tiene por qué cumplirse—, pero ilustra algo que la cifra de especificidad esconde: una especificidad buena por superficie no es una especificidad buena por paciente.

¿Mejora el diagnóstico de un dentista que la usa?

Sube la sensibilidad. Eso está razonablemente bien medido, y en algunos casos la subida es grande.

En el estudio ADEPT, publicado en el British Dental Journal en 2021, veintitrés dentistas británicos leyeron aletas de mordida con y sin asistencia. La sensibilidad para caries limitada a esmalte pasó del 44,3 % al 75,8 %. La especificidad cayó del 96,3 % al 85,4 %. Ese intercambio es el que hay que mirar: se encuentra más, y también se marca más de lo que no hay.

Un ensayo aleatorizado alemán del mismo año, con veintidós dentistas, midió lo mismo con más control metodológico: el área bajo la curva pasó de 0,85 a 0,89 y la sensibilidad de 0,72 a 0,81, sin cambio significativo en especificidad. Dos detalles de ese trabajo importan más que las cifras. El primero: la ganancia se produjo en esmalte y no en dentina. El segundo lo escriben los propios autores en la conclusión: la IA puede aumentar la precisión diagnóstica de los dentistas, pero también puede aumentar las decisiones de tratamiento invasivo.

El mismo equipo siguió la cadena un paso más allá y publicó al año siguiente un análisis de coste-efectividad sobre esa misma cohorte, modelando la vida del diente. El resultado es el hallazgo más importante de este artículo: con IA y sin IA, la retención dentaria media fue idéntica —49 años— y el coste fue idéntico —330 euros—. La mayor sensibilidad no se tradujo en más dientes conservados, porque el exceso de detección se convirtió en más tratamiento invasivo. Conviene precisar que se trata de una modelización a partir de las decisiones declaradas por esos dentistas y de los aranceles alemanes, no de un seguimiento real de pacientes.

Detectar más no es lo mismo que tratar mejor.

Fuera de la caries el efecto de la asistencia es distinto, y también instructivo. En un ensayo aleatorizado de 2025, treinta dentistas de Alemania y Turquía leyeron panorámicas con el CBCT como patrón de referencia. La sensibilidad para lesiones periapicales fue del 46 % con IA y del 46 % sin ella: los clínicos no encontraron ni la mitad de las lesiones en ninguno de los dos brazos. Lo que la IA mejoró fue la especificidad, del 95,7 % al 98,0 %, y con ella el valor predictivo positivo, del 48,7 % al 68,6 %. Es decir, ayudó a no marcar de más, no a ver más. Los autores observaron además que los dentistas con menos experiencia ganaban sensibilidad y los sénior la perdían, pero con diecisiete y siete profesionales en cada subgrupo esa comparación no tiene potencia suficiente para concluir nada.

Y hay un resultado negativo que merece figurar: en un estudio estadounidense de 2025, diez dentistas generales evaluando pérdida ósea en radiografía intraoral no mejoraron de forma significativa con asistencia de IA —el área bajo la curva pasó de 0,823 a 0,830, sin significación estadística—, y en aletas de mordida el rendimiento incluso empeoró ligeramente. Es una muestra pequeña y los propios autores advierten de que puede faltarles potencia. Aun así, aquí no hay cifra que vender, y prefiero contarlo a omitirlo.

¿Cambia el panorama fuera de la caries?

Cambia, y sobre todo cambia con la modalidad de imagen.

En lesiones periapicales. El metaanálisis de referencia, publicado en el Journal of Dentistry en 2024, da una sensibilidad agrupada de 0,94 y una especificidad de 0,96, pero hay que leer el denominador: veinticuatro estudios revisados y solo cuatro aportaron datos suficientes para agrupar. Los veinticuatro eran retrospectivos, uno solo tenía validación externa, y ese demostró falta de generalización. Más útil que el promedio es una comparación directa: un estudio polaco evaluó el mismo programa comercial sobre las dos modalidades y obtuvo una sensibilidad del 33,3 % en panorámica frente al 77,8 % en CBCT. Es una muestra pequeña y un solo equipo de rayos, pero la dirección es coherente con todo lo demás: la panorámica es mala base para este diagnóstico, con IA y sin ella.

En periodoncia. Una revisión sistemática con metaanálisis publicada en Dentomaxillofacial Radiology en 2025 sitúa la detección de pérdida ósea en una sensibilidad agrupada del 87 % y una especificidad del 76 %, sobre una decena de estudios. Los autores evaluaron la calidad metodológica con una herramienta específica y ningún estudio alcanzó la categoría más alta. Separar sano de enfermo se le da razonablemente bien; estadificar según la clasificación de 2018, bastante peor.

En segmentación de CBCT. Aquí es donde la tecnología está más madura, y no es diagnóstico. Un metaanálisis de 2024 sobre treinta y cinco estudios sitúa la segmentación automática de dientes en un índice de solapamiento de 0,95, con tiempos de entre segundo y medio y tres minutos y medio, unas diez veces más rápido que hacerlo a mano —esa última comparación es la síntesis de los autores, no un tiempo manual medido—. Las estructuras finas rinden peor: para el canal mandibular, el metaanálisis más grande disponible da un índice de 0,806 y un error medio de distancia de 0,498 milímetros, con una heterogeneidad del 99,7 % entre estudios y una certeza de la evidencia que los propios autores califican de baja. En planificación implantológica, un trabajo belga midió 187 segundos con IA frente a 406 segundos de un experto, con una aceptabilidad clínica del 89 % frente al 93 % de la planificación humana. La IA no planificó mejor: planificó igual de bien, el doble de rápido y con una reproducibilidad perfecta que el humano no tiene.

¿Por qué las cifras publicadas no se van a parecer a las de tu consulta?

Por tres razones, y las tres se pueden explicar sin matemáticas.

La primera razón es esa. Y hay un estudio español que lo enseña con crudeza. Un equipo de la Universidad Complutense de Madrid publicó en Caries Research en 2026 una validación con histología: cien dientes posteriores montados sobre tipodontos, 171 superficies proximales, y el diente examinado después para saber la verdad. La lectura radiográfica del examinador humano alcanzó una sensibilidad del 52,0 %. La radiografía asistida por IA se quedó en el 13,7 %, con un área bajo la curva de 0,548, apenas por encima del azar. Hay que leerlo con cuidado: es un estudio in vitro, con un solo programa, sobre dientes extraídos montados en un simulador, y no demuestra que la IA de caries no sirva. Lo que demuestra es hasta qué punto el resultado depende del patrón contra el que se mide.

La segunda es la prevalencia. Los conjuntos de datos con los que se prueban estos sistemas tienen prevalencias de caries que van del 15,7 % al 80,6 % según el estudio. Una consulta española de revisiones periódicas no se parece a ninguno de los dos extremos, y el valor predictivo de la herramienta se mueve con esa cifra.

La tercera es la validación externa, que es la pregunta de si el sistema sigue funcionando igual con otras imágenes, otro equipo de rayos y otra población. La respuesta del campo es que casi nunca se comprueba: en caries, alrededor del 70 % de los estudios carece de ella; en lesiones periapicales, uno de veinticuatro la tenía. Y cuando se comprueba, baja. Un grupo austriaco validó su propio algoritmo de detección periapical en CBCT sobre una serie clínicamente representativa del mismo hospital, y la sensibilidad cayó del 97,1 % al 86,7 %.

Nada de esto convierte estas herramientas en humo. Las convierte en herramientas cuyo rendimiento real en tu consulta, con tu equipo de rayos y tus pacientes, nadie ha medido todavía.

¿Qué te exige la normativa si la usas en tu clínica?

Antes que el reglamento de inteligencia artificial, lo primero: un programa que analiza radiografías con finalidad diagnóstica es un producto sanitario, y en Europa necesita marcado CE conforme al Reglamento (UE) 2017/745. Esa es la primera pregunta que hay que hacerle a quien te lo venda, y la que más veces se queda sin respuesta clara. Conviene saber por qué: hasta el 28 de mayo de 2026 no fue obligatorio registrar estos productos en EUDAMED, la base de datos europea, de modo que un dentista que en 2024 hubiera querido comprobarlo por su cuenta no tenía dónde mirar. Ahora empieza a tenerlo.

Sobre el Reglamento europeo de Inteligencia Artificial, dos hechos y una consecuencia. El primero: un producto sanitario de clase IIa o superior que incorpore IA es automáticamente un sistema de alto riesgo, porque así lo resuelve el documento de orientación conjunto que publicaron en junio de 2025 los grupos de coordinación de productos sanitarios y de inteligencia artificial. El segundo: esas obligaciones no son exigibles todavía, porque el Reglamento (UE) 2026/1744 las trasladó al 2 de agosto de 2028 para los sistemas incorporados a productos sanitarios. La consecuencia es que no habrá un sello de IA separado del marcado CE: la exigencia se absorbe dentro de la certificación que ya existe.

Lo que sí te toca a ti es otra lista. El reglamento distingue entre el proveedor —el fabricante— y el responsable del despliegue, que eres tú, y a este último le asigna obligaciones propias:

• Usarla dentro de su indicación autorizada. Aquí muerden detalles que nadie menciona en la demostración comercial: varios sistemas están autorizados solo para pacientes de veintidós años o más, y cada uno para un tipo concreto de radiografía.
• Encomendar la supervisión a alguien con competencia, formación y autoridad. No es que lo mire quien esté libre.
• Responder de la calidad de la imagen de entrada. Si la radiografía es mala, el problema es de la clínica, no del algoritmo.
• Conservar los registros automáticos al menos seis meses.
• Informar al equipo antes de implantarla, incluidos higienistas y auxiliares.
• Informar al paciente de que hay una decisión asistida por inteligencia artificial.

El RGPD, que es lo que hoy obliga de verdad, da para un artículo entero. Aquí basta con la frase que lo resume: el marcado CE es del fabricante; la supervisión es tuya.

¿Cómo decidir si te conviene?

No tengo una respuesta general, y desconfiaría de quien la tenga. Lo que sí puedo darte son las preguntas que yo haría antes de firmar nada:

1. ¿Tiene marcado CE como producto sanitario, de qué clase, y qué organismo notificado lo certificó? Pide el certificado, no la respuesta.
2. ¿Cuál es exactamente la indicación autorizada? Qué modalidad de radiografía, qué patología y a partir de qué edad.
3. ¿Hay validación externa publicada? Es decir, alguien ajeno al fabricante probándolo con imágenes que no son las suyas.
4. ¿Con qué prevalencia se midieron esas cifras? Si no lo saben, la sensibilidad que te enseñan no te dice cuántas de las marcas que verás serán ciertas.
5. ¿Dónde se procesan las imágenes y quién las trata? Una radiografía es un dato de salud.
6. ¿Puedo probarlo con mis propias radiografías, sobre casos que ya conozco, antes de comprometerme? Es la única validación externa que está a tu alcance, y es más informativa de lo que parece.

Y una séptima, esta para ti y no para el comercial: ¿qué vas a hacer distinto el día que el programa marque una lesión que tú no habías visto? Si la respuesta es abrir, los números de este artículo dicen que vas a tratar de más. Si la respuesta es vigilarla y volver a mirarla en seis meses, entonces la herramienta te está aportando algo. La respuesta a esa pregunta vale más que cualquier cifra de sensibilidad.

Si quieres ver estas preguntas aplicadas a programas concretos, las he usado para comparar Pearl, Overjet y Diagnocat.

Preguntas frecuentes

¿Puede la inteligencia artificial sustituir la exploración clínica?

No, y ningún sistema autorizado lo pretende. Todo lo que analizan estas herramientas es una imagen, y una radiografía es una prueba complementaria: no palpa, no percute, no ve el color de una encía ni escucha lo que cuenta el paciente. Es revelador que en Estados Unidos, donde más se usa, menos del 5 % de los dentistas la emplee para recomendaciones de tratamiento.

Si la herramienta marca una lesión que yo no veo, ¿qué hago?

Lo mismo que harías con el hallazgo de un colega: mirarlo otra vez y decidir tú. Que un algoritmo señale una zona no la convierte en una lesión que haya que tratar, y en caries limitada a esmalte la evidencia recomienda vigilar y remineralizar antes que abrir. La decisión de tratar sigue siendo un acto clínico del que respondes tú, no el programa.

¿Y si no marca nada y yo sí veo algo?

Tu criterio manda. Una sensibilidad de 0,85 significa que quince de cada cien lesiones realmente presentes pasan desapercibidas, y en lesiones de esmalte se escapan casi tres de cada diez. Un sistema de detección asistida no es una autorización para dejar de mirar.

¿Merece la pena para una clínica pequeña?

No lo sé, y no hay datos españoles para responderlo. Lo que sí hay es un ensayo alemán que modeló el coste a lo largo de la vida del diente y encontró costes y resultados prácticamente idénticos con y sin IA. Eso no significa que no sirva; significa que el retorno no está demostrado y que quien te prometa una cifra concreta se la está inventando.

¿Quién responde si hay un error?

Tú. Si aceptas o descartas un hallazgo señalado por un algoritmo, respondes de esa decisión igual que respondes de cómo interpretas cualquier prueba complementaria. El reglamento europeo refuerza esa idea al exigir supervisión humana efectiva.

¿Esto es una recomendación clínica?

No. Este artículo es información profesional dirigida a odontólogos, no una indicación para un paciente concreto ni un sustituto del juicio clínico. Ninguna de las cifras que contiene debe usarse para tomar una decisión sobre un caso sin la valoración directa de un profesional.

Última actualización: 24 de septiembre de 2026