Este estudio evaluó 166 pacientes que tenían panorámica y CBCT tomadas con un intervalo máximo de 30 días. Como cada paciente aportó seno maxilar derecho e izquierdo, se analizaron 332 senos. La referencia diagnóstica fue la lectura radiológica consensuada de CBCT por observadores humanos, con arbitraje de un tercer lector cuando hubo desacuerdo; no fue una evaluación otorrinolaringológica completa ni una confirmación histopatológica.

El estudio evalúa hallazgos radiológicos compatibles con alteraciones del seno maxilar, no un diagnóstico clínico completo de sinusitis. La presencia de engrosamiento mucoso, pólipo/quiste de retención o líquido debe correlacionarse con síntomas, posible origen odontogénico, antecedentes médicos, planificación quirúrgica y necesidad real de derivación.

El hallazgo central fue muy claro: la IA rindió mejor en CBCT que en panorámica. En CBCT, la exactitud fue 69.88%, la precisión 87.83%, el recall 54.01% y el F1 66.89%. En panorámica, la exactitud fue 50.60%, la precisión 67.80%, el recall 21.39% y el F1 32.52%. En palabras clínicas: cuando la IA marcaba una alteración en CBCT, muchas veces coincidía con un hallazgo radiológico real; pero aun en CBCT dejaba sin detectar muchas alteraciones reales. En OPG, el rendimiento fue poco confiable.

Una precisión alta significa que muchas alertas positivas en CBCT coincidieron con hallazgos radiológicos reales, pero no significa que la IA determine por sí sola el diagnóstico, la causa odontogénica, la necesidad de tratamiento o la derivación.

La IA no dijo “esto es pólipo”, “esto es engrosamiento mucoso” o “esto es líquido libre”; solo emitió una alerta binaria de anormalidad. Por eso, cualquier alerta requiere lectura profesional para identificar el tipo, extensión y relevancia clínica del hallazgo.

La enseñanza principal para CarpuleNet es prudente: la IA puede servir como alerta positiva complementaria cuando la lesión es visible, especialmente en CBCT, pero no sirve como herramienta autónoma para descartar patología sinusal. Un resultado negativo de IA no excluye alteraciones del seno maxilar, especialmente engrosamiento mucoso o pólipo/quiste de retención; incluso hallazgos menos frecuentes, como líquido libre, requieren lectura profesional si hay sospecha clínica.

Además, el estudio mostró que la IA acertaba más en CBCT cuando las lesiones eran más conspicuas: engrosamiento mucoso mayor y pólipos/quistes de mayor volumen. En panorámica, el tamaño o grosor de la lesión no predijo bien que la IA acertara. Esto sugiere que el problema no es solo el algoritmo, sino la calidad y dimensionalidad de la imagen de entrada.

1. ¿Por qué al odontólogo le importa el seno maxilar?

El seno maxilar está íntimamente relacionado con premolares y molares superiores, implantes, elevación de seno, cirugía oral, endodoncia y diagnóstico de sinusitis odontogénica. Hallazgos como engrosamiento mucoso, quistes de retención, pólipos o líquido pueden ser incidentales, pero también pueden cambiar el plan quirúrgico, indicar correlación clínica o exigir derivación cuando el contexto lo justifica.

2. ¿Qué diferencia hay entre OPG y CBCT para senos maxilares?

La panorámica ofrece una visión amplia, barata y accesible, pero es bidimensional: superpone estructuras, distorsiona geometría y no está diseñada para estudiar con detalle los senos maxilares. La CBCT aporta información tridimensional, permite ver paredes, piso sinusal, relación con raíces, mucosa, pólipos/quistes, líquido y extensión real de las lesiones. Por eso, para hallazgos radiológicos sinusales, la CBCT suele ofrecer mayor sensibilidad que la OPG, pero eso no significa que todo paciente deba recibir CBCT.

3. ¿Qué significa precisión y recall?

La precisión indica qué tan confiable es una alerta positiva: de todas las veces que la IA dijo “hay alteración”, cuántas coincidieron con un hallazgo real en el estándar de referencia. El recall o sensibilidad indica cuántas alteraciones reales detectó. En este estudio, Diagnocat tuvo alta precisión en CBCT, pero recall moderado; es decir, sus alertas positivas fueron relativamente útiles, pero no detectó todas las lesiones.

4. ¿Qué significa que la IA sea una herramienta “generalista”?

Una plataforma generalista intenta detectar muchas condiciones dentales y maxilofaciales, no una sola enfermedad. Esa amplitud puede ser útil en clínica, pero puede reducir el rendimiento para tareas específicas, como detectar patología sinusal sutil. El rendimiento moderado de este estudio no significa que toda IA para senos maxilares funcione igual; aquí se evaluó una plataforma dental generalista, no un modelo entrenado exclusivamente para patología sinusal.

¿Qué quiso investigar el estudio?

Los autores quisieron comparar, en los mismos pacientes, el rendimiento de una plataforma comercial de IA para detectar signos radiológicos de alteración del seno maxilar en OPG y CBCT. También analizaron si la conspicuidad de la lesión, medida como grosor mucoso o volumen de pólipo/quiste, predecía que la IA acertara.

¿Cómo se realizó?

Fue un estudio retrospectivo pareado. La cohorte inicial tuvo 264 pacientes referidos para OPG y CBCT entre enero de 2023 y marzo de 2025. Se excluyeron pacientes por intervalo mayor de 30 días entre imágenes, campo de visión CBCT insuficiente o mala calidad de imagen. Finalmente quedaron 166 pacientes y 332 senos maxilares.

Las imágenes OPG y CBCT se subieron manualmente a Diagnocat. El software generó una salida binaria por seno: presencia o ausencia de cualquier anormalidad. La IA no clasificó el tipo de lesión; solo emitió una alerta general cuando la alteración era suficientemente visible.

El estándar de referencia fue la lectura consensuada de CBCT por dos observadores humanos, con arbitraje de un tercer radiólogo cuando hubo desacuerdo. Se consideró positiva cualquier alteración con engrosamiento mucoso de 2 mm o más, pólipo/quiste de retención o líquido libre.

1. CBCT rindió mejor que OPG en esta plataforma, tarea y muestra

En la comparación por seno, la IA obtuvo en CBCT una exactitud de 69.88%, precisión de 87.83%, recall de 54.01% y F1 de 66.89%. En OPG, los valores fueron mucho menores: exactitud 50.60%, precisión 67.80%, recall 21.39% y F1 32.52%.

Esto significa que la modalidad de imagen condicionó fuertemente el rendimiento. La misma plataforma funcionó de manera mucho más aceptable cuando recibió información tridimensional de CBCT que cuando recibió una panorámica 2D.

2. En CBCT, la IA fue precisa, pero no suficientemente sensible

La precisión alta en CBCT indica que muchas alertas positivas fueron verdaderas. Pero el recall de 54.01% significa que la IA dejó pasar aproximadamente 46% de los senos positivos según la referencia CBCT. Por eso, un resultado negativo de la IA no puede tranquilizar al clínico ni descartar alteraciones radiológicas sinusales.

3. En OPG, el rendimiento fue poco confiable

En panorámica, la IA tuvo recall muy bajo: 21.39%. Esto implica que detectó solo una minoría de las alteraciones reales. La baja sensibilidad probablemente se relaciona con limitaciones propias de la OPG: superposición de estructuras, menor resolución, distorsión y dificultad para valorar el seno maxilar en dos dimensiones.

Parte de la diferencia entre OPG y CBCT refleja una limitación física de la panorámica: se la comparó contra una referencia tridimensional que puede mostrar hallazgos que la OPG simplemente no puede representar. Por eso, el bajo rendimiento en OPG expresa tanto limitación del algoritmo como limitación de la imagen 2D.

4. Las lesiones grandes o gruesas fueron más detectables en CBCT

El estudio mostró que en CBCT la IA acertaba más cuando el engrosamiento mucoso era mayor o cuando los pólipos/quistes tenían mayor volumen. Para pólipos/quistes, el volumen fue un buen predictor de diagnóstico correcto en CBCT, con AUC 0.853. Para engrosamiento mucoso, el AUC en CBCT fue 0.803. En OPG, esos valores no predijeron bien el acierto de la IA.

5. La diferencia entre modalidades fue estadísticamente significativa

La prueba de McNemar mostró una diferencia significativa entre OPG y CBCT. En los casos discordantes, predominó el patrón CBCT positiva/OPG negativa, lo que confirma que la información tridimensional permitió más detecciones que la imagen panorámica.

6. La prevalencia de hallazgos fue alta en esta cohorte

El 55.7% de los senos tuvo alguna anormalidad según la referencia CBCT. Esta prevalencia alta puede influir en métricas como precisión y exactitud. En poblaciones menos seleccionadas o con menor prevalencia de hallazgos sinusales, el rendimiento observado podría cambiar.

La Figura 1, en la página 5, muestra el flujo STARD: de 264 pacientes iniciales se excluyeron 98, principalmente por intervalo mayor de 30 días entre OPG y CBCT, campo de visión insuficiente o mala calidad de imagen. La cohorte final fue de 166 pacientes y 332 senos maxilares.

La Tabla 1, en la página 7, muestra que 55.7% de los senos tenían alguna anormalidad según el consenso CBCT. El engrosamiento mucoso fue el hallazgo más frecuente: 50.3%. Los pólipos/quistes aparecieron en 15.2% y el líquido libre en 3.4%.

La Tabla 3, en la página 8, es clave para la interpretación clínica porque muestra la matriz de confusión: en CBCT hubo 100 verdaderos positivos y 85 falsos negativos; en OPG, 40 verdaderos positivos y 145 falsos negativos. Esto explica por qué el artículo insiste en que la IA no debe usarse como herramienta de descarte.

Las Figuras 4 a 7, en las páginas 10 y 11, muestran que el tamaño de la lesión predijo mejor el acierto de la IA en CBCT que en OPG. En CBCT, mayor volumen de pólipo/quiste y mayor grosor mucoso hicieron más probable una alerta correcta; en OPG, esa relación casi no existió.

El lector aprende que la inteligencia artificial no tiene el mismo rendimiento en todas las imágenes. Si la imagen de entrada es limitada, como una panorámica 2D con superposición, el algoritmo también queda limitado. La CBCT ofrece más información anatómica y permite a la IA detectar mejor hallazgos sinusales, pero aun así no elimina falsos negativos.

También aprende que una alerta de IA no es un diagnóstico completo. La IA no interpreta síntomas ni origen odontogénico; solo responde a patrones visibles en la imagen. El odontólogo debe preguntarse si el hallazgo puede tener origen dental, si afecta planificación de implantes o elevación de seno, si requiere derivación y si existen síntomas compatibles.

Este estudio muestra que la modalidad de imagen cambia de forma importante el rendimiento de la IA para detectar hallazgos incidentales del seno maxilar. En CBCT, Diagnocat fue más preciso y útil, pero con sensibilidad moderada. En panorámica, el rendimiento fue poco confiable, con muchos falsos negativos. Por eso, la IA puede apoyar la lectura, pero no debe decidir sola.

Para CarpuleNet, el mensaje final es que la IA en senos maxilares debe interpretarse como una ayuda de alerta, no como una herramienta de descarte. En OPG, una alerta no debe guiar el manejo sin confirmación y una ausencia de alerta no descarta patología. En CBCT, una alerta positiva puede ser útil, pero una alerta negativa tampoco excluye lesiones sutiles.

La revisión profesional de la imagen completa —especialmente del volumen CBCT cuando está disponible— sigue siendo obligatoria, porque la IA puede omitir hallazgos sutiles o marcar hallazgos sin explicar su relevancia.

La IA ve mejor cuando la imagen muestra mejor: en senos maxilares, CBCT le da más información que la panorámica, pero ni siquiera en CBCT una IA negativa descarta patología.

Lackowska A, Kazimierczak N, Chwarścianek N, Sultani N, Serafin Z, Kazimierczak W. Impact of Imaging Modality on AI-Based Detection of Incidental Maxillary Sinus Pathology: Comparison of Panoramic Radiography and CBCT. Diagnostics. 2026;16(11):1667. doi:10.3390/diagnostics16111667.