O modelo recoñece o dente. O que non sabe facer é contar.
Un Point Transformer numera o 93% dos dentes só coa xeometría da superficie. Case todos os fallos son o mesmo: o dente correcto co número desprazado unha posición.
Un escáner intraoral produce unha malla 3D da boca: uns 117.000 puntos por arcada. O obxectivo deste experimento era etiquetar cada punto co dente ao que pertence, en notación FDI, o sistema de dous díxitos onde o primeiro indica o cuadrante da boca e o segundo a posición do dente. Soa a problema sinxelo: a segmentación semántica de nubes de puntos é hoxe un campo maduro, con boas arquitecturas e conxuntos de datos públicos. No meu caso montei un Point Transformer sobre Teeth3DS+ (300 pacientes, 600 arcadas) e agardaba que a parte interesante fose axustar a métrica. Resultou ser outra cousa.
Primeiro achado: a xeometría abonda
A pregunta que quería responder non era «canto acerta?», senón unha decisión de arquitectura: fai falta CBCT para numerar dentes? O CBCT, que non todo o mundo coñecerá, é un tipo de TAC dental, unha versión moderna específica de boca e cara que produce imaxes 3D con menos radiación ca un TAC de hospital. A cuestión é que integralo sae caro: esixe rexistrar volume e malla con precisión submilimétrica, e dispor das dúas modalidades do mesmo paciente.
O resultado: só coa xeometría da superficie, o modelo acerta o número FDI no 93% dos dentes. A característica que o consegue son as normais, o vector perpendicular á superficie en cada punto. Tres números por vértice, calculados en segundos, sen ningún custo de adquisición. E algo aínda máis útil: o modelo sen ningunha característica por punto derrúbase. Aprende o conxunto de adestramento e non xeneraliza nada, porque sen un descritor da forma local agárrase á posición absoluta do punto dentro da arcada, e cada boca ten unha forma distinta.
Segundo achado: o fallo non é recoñecer, é contar
Aquí é onde o problema deixou de parecerse ao que eu cría que era. Mirei en que se equivocaba, e o erro dominante non era aleatorio. Entre o 62% e o 83% dos fallos son o dente veciño (un 46 etiquetado como 45), e non é un bordo mal trazado: é o dente enteiro, correctamente detectado e correctamente delimitado, co número desprazado unha posición. O resto da arcada, perfecto.
A razón estaba na notación: FDI é ordinal e, como dicía ao principio, o segundo díxito é cantas posicións contaches desde a liña media: 1 o incisivo central, 2 o lateral, 3 o canino, e así. Para dicir «isto é un 46» hai que saber en que cuadrante estás e que é o sexto contando desde o centro. Iso é contar, e contar esixe ver a secuencia enteira. Pero o modelo mira veciñanzas locais, que é precisamente o que lle permite xeneralizar entre pacientes. O problema é que un primeiro molar e un segundo molar son case idénticos de forma, así que localmente non hai nada que distinga un 46 dun 47. De modo que o modelo infire o ordinal dunha estimación difusa de «por onde vou na arcada». Se esa estimación se despraza un oco, o número desprázase un oco.
O que confirma a hipótese: o erro empeora con dentes ausentes (0,86 fronte a 0,98 en denticións completas). Se falta un dente, a referencia de conteo rómpese, e un escaneo intraoral non pode ver un dente ausente, nin un incluído sen erupcionar; só capta a superficie visible na boca. Así que fai falta contexto global da arcada, e iso ten que vir doutra fonte: unha radiografía panorámica, o CBCT ou o propio informe clínico. O modelo sabe que é cada dente, pero falla ao situalo dentro da secuencia.
Terceiro achado: o incómodo
Pasei varias semanas sacando conclusións de execucións soltas. Adestrar, medir, anotar o resultado, seguir. Pero cando o pasei todo a tres sementes con media e desviación típica, descubrín que a varianza entre execucións era da mesma orde ca os efectos que estaba a medir. Non é que os números se movesen un pouco: cambiaba o signo. Unha técnica que eu documentara como unha mellora supostamente modesta pero consistente deu, en cinco execucións do mesmo código, deltas de +0,034, −0,048, −0,035, +0,017 e −0,116. Non eran resultados contraditorios: eran mostras dunha distribución centrada en cero, o que significa que eu estivera describindo ruído.
E tras varias roldas saíu outra cousa: o adestramento nin sequera é fiable. Unha semente produciu un modelo que nunca aprendeu a distinguir maxilar superior de inferior: acertaba o 79% arriba e o 19% abaixo, mapeando sistematicamente os dentes inferiores sobre códigos superiores. Ese modelo pasaríame desapercibido se só mirase a métrica global dunha única pasada.
A conclusión que saco de todo isto podería resumirse así: un resultado negativo ben medido vale máis ca un positivo mal medido; saber que unha técnica non axuda a esta escala aforra o tempo de construír enriba dela. Antes de optimizar, convén entender a estrutura do erro. O 93% era o número presentable. O achado útil foi que os fallos son sistemáticos e dun só tipo, porque iso indica exactamente onde poñer a revisión humana: a rexión molar e as bocas con dentes ausentes.
Experimento sobre Teeth3DS+. Isto non é un resultado clínico: é unha proba técnica sobre un conxunto de datos e un tipo de escáner, e serve para decidir arquitectura, non para diagnosticar. Este experimento forma parte dun exercicio proposto por Matías Molinas, dentro do proxecto Agentic-Smart-Health de ANFAIA, en colaboración con Histora.
