Las radiografías dentales (periapicales y panorámicas) se basan en el uso controlado de rayos X para detallar las estructuras odontoalveolares no observables a simple vista. Tales estructuras son visualizadas en función del contraste que se genera cuando los rayos X interactúan de manera diferencial con ellas, según el valor del coeficiente lineal de atenuación (µ) de cada una.⁷

La ley de Beer-Lambert expresa el grado de interacción de la radiación con el tejido odontoalveolar, de acuerdo con el cociente entre la intensidad de los rayos X incidentes, I 0 , y la intensidad de los rayos X que lo atraviesan, 𝐼:⁵

donde d es el espesor del tejido. Dado que µ es una función de la energía de los rayos X, del número atómico y la densidad media,⁸ la imagen reflejará una diferencia de opacidades entre los distintos componentes del tejido.

Así, la sección radiopaca de la imagen corresponderá a componentes altamente densos del tejido (alto µ), que se oponen al paso de los rayos X. La radiolúcida será característica de aquellos con baja densidad (bajo µ), que dejan atravesar fácilmente a la radiación. De este modo, los tejidos con alta y baja BMD poseen baja y alta transmitancia, respectivamente, donde la transmitancia (𝑇) es entendida como la fracción de la radiación incidente que atraviesa al tejido. En términos matemáticos, viene dada por:

Sin embargo, en radiodiagnóstico, la diferencia de opacidades o escala de grises se expresa usualmente en términos de densidad radiográfica (RD, en inglés Radiographic Density), no de transmitancia. La RD es la representación pictórica bidimensional del grado de oscurecimiento de cada pixel del campo de visión de la imagen radiográfica, cuya expresión matemática es:

De ese modo, a medida que aumenta la RD, más radiopaco es el tejido y menos oscura será la porción de la imagen correspondiente. Lo contrario sucederá para el tejido radiolúcido. Esta es la base del concepto de contraste, que se define como el grado de diferencia entre las RD de dos o más áreas dentro de una misma radiografía.^7,9

Como la RD depende tanto de µ como de d, según hemos visto en la ecuación (3), es posible caracterizar temporalmente la BMD a partir de cambios en el contraste de la radiografía.⁵ En particular, una disminución de la RD (o aumento en T) será indicativo de disminución de la BMD, lo que se traducirá en un incremento del oscurecimiento de la zona afectada.

Consecuentemente, el objetivo fundamental de las técnicas de diagnóstico de osteoporosis es cuantificar la BMD. Las técnicas diagnósticas convencionales son: absorciometría fotónica simple (SPA, en inglés Single Photon Absorptiometry) y dual (DPA, en inglés Dual Photon Absorptiometry), tomografía computarizada cuantitativa (QCT, en inglés Quantitative Computed Tomography), absorciometría de rayos X de única energía (SPX, en inglés Single Energy X-Ray Absorptiometry), absorciometría de rayos X de doble energía (DXA, en inglés Dual Energy X-Ray Absorptiometry) y el ultrasonido cuantitativo (QUS, en inglés Quantitative Ultrasound).^1,3

Entre las técnicas mencionadas, la DXA es considerada como la mejor opción para evaluar la densidad mineral ósea,⁵ siendo así, la técnica predilecta para la determinación de osteoporosis.^1,2 Aunque la DXA acostumbra a realizarse en la cadera, la región lumbar de la columna y el antebrazo, por ser los sitios más recurrentes de fractura,³ también es posible hacerla en otros huesos del cuerpo como los de los maxilares y el cuello, ya que la osteoporosis afecta al sistema óseo en su totalidad.¹

Por la falta de disponibilidad de equipos de DXA en varias regiones del mundo, el alto costo de este tipo de exámenes radiográficos y el tiempo consumido en la realización de los mismos, se ha explorado el uso de radiografías dentales como alternativa para la detección temprana de osteoporosis.^1,4 Esta opción se ha contemplado porque los servicios odontológicos son más comunes, baratos y de fácil acceso.⁵

La BMD de la mandíbula (maxilar inferior) está supeditada a continuos cambios con la edad y el sexo del individuo.¹⁰ En mujeres posmenopáusicas, debido a la disminución de los estrógenos, se ha encontrado que, alteraciones en los huesos de la mandíbula y la maxila (maxilar superior) están relacionadas con baja BMD y posible riesgo de osteoporosis.⁵

Como los adultos mayores sufren recurrentemente de problemas dentales, será mucho más probable que se sometan a radiografías orales que a estudios de densitometría ósea. Por esto, las radiografías periapicales y panorámicas se han propuesto como opciones diagnósticas de primera mano para identificar pacientes con alto riesgo de osteoporosis.¹¹

En los últimos años se ha valorado la posibilidad de la utilización de radiografías dentales para predecir la osteoporosis,⁵ teniendo en cuenta, entre otros, que la periodontitis es un factor de riesgo, al promover la resorción ósea.¹⁰ Cambios en el hueso cortical mandibular pueden observarse en radiografías panorámicas, mientras que alteraciones en el hueso trabecular mandibular pueden visualizarse tanto en panorámicas como en periapicales. Estas transformaciones son examinadas en la mandíbula, porque parece ser más fácil detectar alteraciones de la BMD en esta que en la maxila.⁵

Para descubrir posibles anomalías en la BMD, en radiografías panorámicas o periapicales, suelen utilizarse los siguientes índices:

-Índice Cortical Mandibular (MCI, en inglés Mandibular Cortical Index) o índice Klemetti: se analiza la porosidad del borde inferior mandibular en la región de los agujeros mentonianos (fig. 1).¹²

El MCI puede calcularse tanto en radiografías panorámicas, como en periapicales, dándose preferencia a las primeras por el amplio campo de visión ofrecido. Esto mismo aplica para el siguiente índice, el de ancho cortical mandibular.

-Índice del Ancho Cortical Mandibular o Índice del Ancho Cortical (MCW, en inglés Mandibular Cortical Width): evalúa el ancho del borde inferior mandibular en la zona de los agujeros mentonianos bilateralmente (fig. 2).^12,13

-Índice panorámico mandibular (PMI, en inglés Panoramic Mandibular Index): relaciona el ancho de la cortical mandibular en la región mentoniana y la distancia desde el borde inferior del agujero mentoniano hasta el borde inferior de la cortical mandibular (fig. 3 A).¹

-Índice Gonial (GI, en inglés Gonial Index) e Índice Antigonial (AI, en inglés Antegonial Index): mide el ancho (en mm) cortical mandibular en la región ángulo mandibular y en la región antigonial, respectivamente (fig. 3 B).¹²

Para el PMI, AI y GI se aconseja usar exclusivamente radiografías panorámicas porque el campo de visión de las periapicales es muy restringido para determinar estos índices.

Erdogan y otros¹⁴ hallaron que el número de dientes perdidos está fuertemente relacionado con la disminución de BMD de la columna lumbar, después de realizar análisis densitométricos en radiografías periapicales digitales. Asimismo, encontraron que la presencia de periodontitis con detrimento de inserción clínica, en mujeres posmenopáusicas, aumenta la probabilidad de baja BMD.

Ayed y otros¹⁵ valoraron 60 mujeres mayores de 50 años, de las cuales 30 no eran osteoporóticas (control). En el grupo de mujeres con osteoporosis, observaron periodontitis crónica, disminución de hueso alveolar, ausencia de dientes y prótesis mal ajustadas. Estos hallazgos fueron considerados signos clínicos de advertencia de osteoporosis. Además, en este mismo grupo se constató, mediante radiografías periapicales digitales estandarizadas, una disminución del MCW, lo que se asoció con disminución de la BMD.

Widyaningrum y otros,⁵ en un estudio hecho en 37 mujeres posmenopáusicas, vieron que el parámetro de área de las radiografías periapicales tenía una correlación negativa significativa con el T-Score y la BMD de la columna lumbar. El T-Score se refiere a la métrica que representa la probabilidad de riesgo de fractura de un individuo, calculándose en función de la BMD del individuo, la media de la BMD y la desviación estándar de la población de referencia (20-29 años), para igual sexo y etnia.¹⁶

Los autores concluyeron que el parámetro de área, derivado del método de detección de bordes Canny, arroja buenos resultados si se usa como entrada en un sistema asistido por computadora, diseñado para la detección de osteoporosis.

Canny es un plug-in perteneciente al software libre y de acceso público ImageJ desarrollado por el Instituto Nacional de Salud (NIH, en inglés National Institute of Health) de Estados Unidos.

Tanaka y otros¹² analizaron 700 imágenes panorámicas digitales de hombres y mujeres de Hong Kong divididos en 7 grupos de distintas franjas etarias (20-29 años; 30-39 años; 40-49 años;…; ≥ 80 años) por medio del MCI y el MCW. Ambos índices fueron obtenidos automáticamente mediante el software PanoSCOPE, basado en inteligencia artificial. También se examinó la pérdida de dientes (LT, en inglés Tooth Loss) y de hueso alveolar (ABL, en inglés Alveolar Bone Loss) en ambos sexos, en busca de asociación con tales índices. No se encontró correlación entre el MCW, la edad, el TL y el ABL en hombres, pero sí, en mujeres. Contrariamente, sí hubo correlación de estos tres parámetros con el MIC, en los dos sexos. En mujeres, se vio que el MCW caía drásticamente a partir de los 50 años, mientras el TL aumentaba desde los 60 años. Se concluyó que el umbral (3 mm en MCW) para identificar pacientes mujeres con riesgo de osteoporosis se asoció con edades superiores a 60 años y pérdida de al menos 3 dientes. En hombres, el umbral se estableció en 70 años para un MIC de clase 3 (fig. 1 C).

Balto y otros¹⁷ compararon los resultados de los índices radiomorfométricos panorámicos MCI, MCW, PMI, AI con valores de BMD de la columna lumbar, el cuello femoral y la cadera, en 431 mujeres posmenopáusicas. Encontraron que existía una correlación positiva entre el MCW y la BMD. Además, demostraron cómo el uso combinado de ambos es ideal para diagnosticar osteoporosis. Igualmente, recomendaron la realización de radiografías panorámicas en la etapa premenopáusica para observar cambios precoces en la mineralización ósea, especialmente si se utiliza el índice radiográfico MCW, por el hecho de que la tasa de formación del hueso alveolar es mayor en la región mentoniana del maxilar inferior.

Horner y otros¹⁸ tenían como objetivo evaluar la relación entre el índice OSTEODENT y el evaluador de riesgo de fractura FRAX (en inglés Fracture Risk Assessment) desarrollada en la Universidad de Sheffield, Reino Unido. El índice OSTEODENT tiene que ver con predecir la probabilidad de osteoporosis derivada del análisis automático de radiografías panorámicas por medio del MCW y la información clínica del paciente mediante el cuestionario del Índice de Riesgo de Osteoporosis (OSIRIS, en inglés Osteoporosis Index of Risk). Para su funcionamiento, FRAX incorpora los siguientes factores de riesgo: edad, sexo, peso, altura, fractura previa, fractura de cadera de los padres, tabaquismo actual, uso de glucocorticoides, artritis reumatoide, osteoporosis secundaria y consumo de alcohol superior a 3 unidades por día. Para alcanzar el objetivo, los autores determinaron el FRAX y el OSTEODENT en 339 mujeres de Inglaterra y Bélgica, con datos de BMD de cabeza femoral, información clínica y de radiografías panorámicas. Al hallar una correlación positiva entre FRAX y OSTEODENT, concluyeron que este último tiene potencial como detector de pacientes con osteoporosis y como indicador de riesgo de fractura de cadera.

Los odontólogos bien entrenados deberían ser capaces de remitir pacientes con sospecha de osteoporosis a médicos especialistas a partir del análisis minucioso de las radiografías dentales.¹³ Sin embargo, como la mayoría de los odontólogos generales no son capacitados para la identificación de osteoporosis, especialistas en radiografía oral o maxilofacial deben realizar acompañamiento constante para asegurar un diagnóstico acertado.^19,20

Una alternativa para odontólogos inexpertos es apoyarse en procesadores de imágenes basados en aprendizaje automático (ML, en inglés Machine Learning) que faciliten la tarea de identificación de osteoporosis. Para tal fin, Lee J y otros²⁰ propusieron la introducción de sistemas de diagnóstico asistidos por computadoras (CAD, en inglés Computer-Assisted Diagnosis), trabajando en conjunto con redes neuronales convolucionales profundas (DCNN, en inglés Deep Convolutional Neural Network), cuyos resultados se compararon con los de dos radiólogos orales y maxilofaciales con más de 10 años de experiencia.

El estudio fue realizado en 1268 radiografías panorámicas de mujeres con media de 53 años, en Cheonan, Corea del Sur. El diagnóstico de osteoporosis era dado cuando ambos radiólogos expertos concordaban en haber encontrado erosión cortical, después del análisis observacional del MCI.

Para modelar la red neuronal, se seleccionaron aleatoriamente 200 radiografías como testeo (testing) y 1068 para entrenar la red (training). Para el adecuado funcionamiento de la red, se balancearon los datos (aproximadamente la misma cantidad de radiografías con y sin diagnóstico de osteoporosis) tanto en el testeo como en el entrenamiento. Los resultados mostraron una excelente capacidad de predicción de osteoporosis por parte de la red neuronal, toda vez que los factores de evaluación de ML (en inglés Accurary, Precision, F1 score, Recall, AUC) se aproximaron al ideal: 100 % para Accuracy, 1 para el resto. Lo anterior significa baja tasa de falsos positivos y de falsos negativos y, en consecuencia, alta concordancia con el diagnóstico de los expertos. De ahí, los autores concluyeron que las DCNN son una herramienta idónea para auxiliar a odontólogos poco experimentados, en la detección temprana de osteoporosis, así como en la remisión oportuna de pacientes asintomáticos a médicos especialistas.