Enseñando a Decidir: Desarrollo de un Simulador de Estratificación de Riesgo de Osteonecrosis de los Maxilares con Asistencia de Inteligencia Artificial
DOI:
https://doi.org/10.62172/revfouba.n99.a334Palabras clave:
inteligencia artificial, simulación educativa, bisfosfonatos, osteonecrosis de los maxilares asociada a medicamentos, sistemas de apoyo a la decisiónResumen
Introducción: La inteligencia artificial (IA) está transformando la práctica odontológica y la educación. Aunque los modelos de aprendizaje automático pueden apoyar decisiones, requieren bases de datos y presentan limitaciones de interpretabilidad. Los simuladores basados en reglas constituyen una alternativa para enseñar razonamiento clínico, mientras que la IA generativa facilita su desarrollo. La estratificación del riesgo de osteonecrosis de los maxilares asociada a medicamentos (ONMM) continúa siendo un desafío y ofrece un escenario adecuado para estas herramientas. Objetivo: Describir el diseño y desarrollo de un simulador pedagógico para estratificar el riesgo de ONMM y enseñar conceptos vinculados con la IA como sistemas de apoyo a la toma de decisiones. Materiales y métodos: Se desarrolló una aplicación web interactiva mediante HTML, CSS y JavaScript. El modelo se basó en consensos y bibliografía científica sobre ONMM. Se incorporaron variables agrupadas en dominios farmacológicos, sistémicos, locales y procedimentales, ponderadas mediante puntajes. El código fue generado con IA generativa a partir de especificaciones funcionales y posteriormente verificado. Resultados: Se obtuvo un simulador funcional que estratifica el riesgo de ONMM en categorías baja, moderada y alta. Permite explorar escenarios clínicos y visualizar la influencia de múltiples variables sobre el resultado, sin constituir un modelo predictivo. Conclusiones: El simulador representa una estrategia innovadora para introducir a los estudiantes en el razonamiento algorítmico aplicado a la estratificación del riesgo. Además, demuestra el potencial de la IA generativa para desarrollar recursos educativos sin reemplazar la reflexión clínica ni el juicio profesional, fundamentos de la toma de decisiones odontológicas.
Citas
Aboalela, A. A., Farook, F. F., Alqahtani, A. S., Almousa, M. A., Alanazi, R. T., y Almohammadi, D. S. (2022). The effect of antiresorptive drug holidays on medication-related osteonecrosis of the jaw: a systematic review and meta-analysis. Cureus, 14(10), e30485. https://doi.org/10.7759/cureus.30485
Çoban, E., y Altay, B. (2024). Assessing the potential role of artificial intelligence in medication-related osteonecrosis of the jaw information sharing. Journal of Oral and Maxillofacial Surgery, 82(6), 699–705. https://doi.org/10.1016/j.joms.2024.03.001
Guelman, R., Larroudé, M. S., Mansur, J. L., Sánchez, A., Vega, E., Zanchetta, M. B., Picardo, S. N., Rodríguez Genta, S. A. y Rey, E. A. (2020). Osteonecrosis de los maxilares asociada a medicamentos (ONMM): guía redactada por expertos invitados por la Asociación Argentina de Osteología y Metabolismo Mineral y por la Sociedad Argentina de Osteoporosis. Actualizaciones en Osteología, 16(3), 232–252. https://ojs.osteologia.org.ar/ojs33010/index.php/osteologia/article/view/124
Harte, M., Carey, B., Feng, Q. J., Alqarni, A., y Albuquerque, R. (2025). Transforming undergraduate dental education: the impact of artificial intelligence. British Dental Journal, 238(1), 57–60. https://doi.org/10.1038/s41415-024-7788-7
Issenberg, S. B., McGaghie, W. C., Petrusa, E. R., Lee Gordon, D., y Scalese, R. J. (2005). Features and uses of high-fidelity medical simulations that lead to effective learning: a BEME systematic review. Medical Teacher, 27(1), 10–28. https://doi.org/10.1080/01421590500046924
Khan, A. A., Morrison, A., Hanley, D. A., Felsenberg, D., McCauley, L. K., O'Ryan, F., Reid, I. R., Ruggiero, S. L., Taguchi, A., Tetradis, S., Watts, N. B., Brandi, M. L., Peters, E., Guise, T., Eastell, R., Cheung, A. M., Morin, S. N., Masri, B., Cooper, C., Morgan, S. L., … International Task Force on Osteonecrosis of the Jaw (2015). Diagnosis and management of osteonecrosis of the jaw: a systematic review and international consensus. Journal of Bone and Mineral Research, 30(1), 3–23. https://doi.org/10.1002/jbmr.2405
Kim, D. W., Kim, H., Nam, W., Kim, H. J., y Cha, I. H. (2018). Machine learning to predict the occurrence of bisphosphonate-related osteonecrosis of the jaw associated with dental extraction: A preliminary report. Bone, 116, 207–214. https://doi.org/10.1016/j.bone.2018.04.020
Kim, I., Choi, H. J., Ryu, J. M., Lee, S. K., Yu, J. H., Kim, S. W., Nam, S. J., y Lee, J. E. (2019). A predictive model for high/low risk group according to oncotype DX recurrence score using machine learning. European Journal of Surgical Oncology, 45(2), 134–140. https://doi.org/10.1016/j.ejso.2018.09.011
Kwack, D. W., y Park, S. M. (2023). Prediction of medication-related osteonecrosis of the jaw (MRONJ) using automated machine learning in patients with osteoporosis associated with dental extraction and implantation: a retrospective study. Journal of the Korean Association of Oral and Maxillofacial Surgeons, 49(3), 135–141. https://doi.org/10.5125/jkaoms.2023.49.3.135
Lawson, M. A., Xia, Z., Barnett, B. L., Triffitt, J. T., Phipps, R. J., Dunford, J. E., Locklin, R. M., Ebetino, F. H., y Russell, R. G. (2010). Differences between bisphosphonates in binding affinities for hydroxyapatite. Journal of biomedical materials research. Part B, Applied Biomaterials, 92(1), 149–155. https://doi.org/10.1002/jbm.b.31500
Marx R. E. (2003). Pamidronate (Aredia) and zoledronate (Zometa) induced avascular necrosis of the jaws: a growing epidemic. Journal of Oral and Maxillofacial Surgery, 61(9), 1115–1117. https://doi.org/10.1016/s0278-2391(03)00720-1
Mine, Y., Okazaki, S., Yamasaki, S., Kakimoto, N., Yanamoto, S., y Murayama, T. (2025). Artificial intelligence for medication-related osteonecrosis of the jaw: a scoping review. Oral Surgery, Oral Medicine, Oral Pathology and Oral Radiology, 140(4), 405–415. https://doi.org/10.1016/j.oooo.2025.03.004
Nancollas, G. H., Tang, R., Phipps, R. J., Henneman, Z., Gulde, S., Wu, W., Mangood, A., Russell, R. G., y Ebetino, F. H. (2006). Novel insights into actions of bisphosphonates on bone: differences in interactions with hydroxyapatite. Bone, 38(5), 617–627. https://doi.org/10.1016/j.bone.2005.05.003
Rodan, G., Reszka, A., Golub, E., y Rizzoli, R. (2004). Bone safety of long-term bisphosphonate treatment. Current Medical Research and Opinion, 20(8), 1291–1300. https://doi.org/10.1185/030079904125004475
Ruggiero, S. L., Dodson, T. B., Aghaloo, T., Carlson, E. R., Ward, B. B., & Kademani, D. (2022). American Association of Oral and Maxillofacial Surgeons' position paper on medication-related osteonecrosis of the jaws-2022 update. Journal of Oral and Maxillofacial Surgery, 80(5), 920–943. https://doi.org/10.1016/j.joms.2022.02.008
Vázquez-Sebrango, G., Anitua, E., Macía, I., y Arganda-Carreras, I. (2025). The role of artificial intelligence in implant dentistry: a systematic review. International Journal of Oral and Maxillofacial Surgery, 54(11), 1098–1122. https://doi.org/10.1016/j.ijom.2025.04.005
Warin, K., Lochanachit, S., Pavarangkoon, P., Techapanurak, E., y Somyanonthanakul, R. (2025). Prediction of medication-related osteonecrosis of the jaw in patients receiving antiresorptive therapy using machine learning models. Journal of Oral and Maxillofacial Surgery, 83(3), 353–365. https://doi.org/10.1016/j.joms.2024.11.013
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Revista de la Facultad de Odontologia. Universidad de Buenos Aires
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
