ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 60
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Manejo de la conducta en pacientes pediátricos mediante inteligencia
articial frente a técnicas convencionales. Revisión sistemática
:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
Behavior management in pediatric patients using articial
intelligence vs. conventional techniques. Systematic Review
Ortega López, F., Latacela- Lojano, I.S., Vásquez- Parra, L.A., Escobar-Hernández, B.S., Morocho-Macas, A.A. Manejo de conducta en pacientes pediátricos usando inteligencia articial vs Técnicas
Convencionales. Revisión Sistemática. Odontología Vital, 2(43) 60-76. https://doi.org/10.59334/ROV.v1i44.661
RESUMEN
Introducción:
Se indaga y evalúa de manera objetiva e imparcial cómo la inteligencia articial
se integra en el manejo conductual en Odontopediatría, en comparación con las
técnicas tradicionales.
Objetivo:
Proporcionar una comprensión clara y detallada sobre de qué forma la IA
ha producido un cambio en las estrategias de manejo de conducta en la
Odontopediatría y que se ofrezcan a los profesionales de la salud dental
herramientas avanzadas para mejorar la cooperación de los pacientes
pediátricos.
Metodología:
Mediante la metodología Prisma, se realizaron búsquedas en PubMed, Scopus,
Taylor and Francis y Web of Science, lo que incluye estudios en inglés y español
publicados entre 2019 y 2024.
Se revisaron las referencias de los estudios seleccionados para identicar
investigaciones adicionales que cumplieran con los criterios de inclusión,
utilizando términos MESH, DeCS y términos libres, así como operadores booleanos
OR, AND y NOT.
Resultados:
Diversos autores señalan que la IA se utiliza con frecuencia en la Odontopediatría
para realizar diagnósticos precisos y asistir a los dentistas y odontopediatras
en la toma de decisiones clínicas y en el acondicionamiento para optimizar el
comportamiento durante el tratamiento.
Conclusión:
La inteligencia articial constituye una herramienta adecuada para la gestión
de la conducta de los pacientes odontopediátricos, aunque aún no ha sido
explotada en su totalidad. Las nuevas tecnologías, como los chatbots educativos,
la realidad virtual, la realidad aumentada y el análisis de imágenes, contribuyen
a que los pacientes pediátricos se sientan más seguros y colaboren mejor a lo
largo de las visitas al odontólogo.
Article info
Recibido 2024-12-11
Revisado 2025-01-29
Aceptado 2025-04-03
Palabras clave:
Inteligencia articial
Odontopediatría
Comportamiento
Aprendizaje profundo
Inteligencia neuronal.
a. MSc, Docente, Universidad Católica
de Cuenca, Cuenca, Ecuador.
b. DDS, Odontólogo, Universidad
Católica de Cuenca, Cuenca,
Ecuador.
c. DDS, Odontólogo, Universidad
Católica de Cuenca, Cuenca,
Ecuador.
d. Abogado, Docente, Universidad
Católica de Cuenca, Cuenca,
Ecuador.
e. DDS, Docente, Universidad Católica
de Cuenca, Cuenca, Ecuador.
Ortega López M.F a, Latacela-Lojano, I.S..b, Vásquez-Parra, L.A. c, Escobar-Hernández, B.S.d, Morocho-Macas, A.A. e
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 61
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Además, esto permite optimizar los diagnósticos y los tratamientos individualizados, lo que permite ofrecer una atención
odontológica menos invasiva y estresante.
ABSTRACT
Introduction:
This review aims to objectively and impartially investigate and evaluate how AI is integrated into behavioral management in
pediatric dentistry, comparing it with traditional techniques.
Objective:
to provide a clear and detailed understanding of how articial intelligence has generated a change in behavioral
management strategies in pediatric dentistry, offering dental health professionals advanced tools to improve the
cooperation of pediatric patients.
Methodology:
PRISMA methodology, searches were conducted in as PubMed, Scopus, Taylor & Francis, and Web of Science. Studies in
English and Spanish from 2019 to 2024 were included. The selected references were reviewed to identify additional studies
meeting the inclusion criteria. MESH terms, Decs, and free terms were used, along with Boolean operators OR, AND, and NOT.
Results:
Various authors report that AI is frequently used in pediatric dentistry for precise diagnoses and to assist clinicians, dentists,
and pediatric dentists in clinical decision-making and behavior conditioning to improve cooperation during treatment.
Conclusion:
Articial intelligence is a suitable tool for managing the behavior of pediatric dental patients, though it has not been fully
researched yet. New technologies, such as educational chatbots, virtual reality, augmented reality, and image analysis, help
pediatric patients feel more secure and cooperate better during dental visits.
These technologies also improve individualized diagnostics and treatments, providing better dental care that is less invasive
and stressful.
Keywords:
articial intelligence, pediatric dentistry, behavior, deep learning, neural intelligence
Introducción
La Odontopediatría es una rama de la
odontología especializada en el cuidado de la
salud bucal de los niños, desde la infancia hasta
la adolescencia (Aguilar-Gálvez, 2023).
Esta especialidad no se limita a la prevención
y el tratamiento de enfermedades bucales, ya
que Babu et al. (2021) y Tandon et al. (2020)
señalan que también abarca la educación
de los niños y sus progenitores sobre la
importancia de mantener una buena higiene
dental desde una edad temprana.
Por lo tanto, en la práctica profesional de
la odontología, el manejo de la conducta
en pacientes pediátricos constituye uno de
los mayores retos que pueden enfrentar
los profesionales de esta rama de la salud,
ya que es necesario lograr que los niños
cooperen y colaboren durante los tratamientos
odontológicos (Aguilar-Gálvez, 2023; García y
Campos, 2023).
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 62
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
soluciones viables y prácticas para gestionar el
comportamiento de los pacientes pediátricos
(Chen et al., 2020).
En tal virtud, es necesario mencionar que existen
sistemas de reconocimiento de emociones
que emplean cámaras y sensores para captar
expresiones faciales y señales siológicas, como
el ritmo cardíaco.
A través de la interpretación de estas señales,
los sistemas de IA pueden detectar en tiempo
real si un paciente se encuentra ansioso o
estresado (Monsalve, 2019). Por ejemplo, si
un niño presenta signos de miedo, el sistema
puede alertar al odontopediatra para que
ajuste su enfoque y utilice técnicas de calma.
Asimismo, los algoritmos de IA analizan grandes
y relevantes cantidades de datos sobre
comportamientos y respuestas de los niños en
entornos clínicos, con el n de predecir cómo
puede reaccionar un paciente pediátrico ante
ciertos estímulos y sugerir técnicas de manejo
de conducta individualizadas (Ruiz et al., 2024).
Por ejemplo, si un algoritmo identica que un
niño responde de manera positiva a la música
calmante, el odontopediatra puede emplear
esa estrategia para ayudar a relajar al paciente.
Por otro lado, el odontólogo puede contar
con asistentes virtuales, que son programas
interactivos capaces de hablar y responder
a los pacientes pediátricos, ya que brindan
información y apoyo emocional durante
las visitas al odontólogo, explican los
procedimientos de manera amigable y
comprensible, cuentan historias o proponen
juegos para distraer y tranquilizar a los niños
(Constantini et al., 2023).
No obstante, existen factores como el miedo, la
ansiedad y la falta de entendimiento sobre los
procedimientos dentales que dicultan y limitan
la colaboración de los pacientes pediátricos
(Cadillo et al., 2021). Para enfrentar estos retos,
a través de los años y con base en estudios,
los odontopediatras han desarrollado diversas
estrategias de manejo de conducta que buscan
reducir el temor y crear un ambiente en el cual
los niños puedan tener una experiencia positiva
en el consultorio dental (Eyzaguirre et al., 2023).
En particular, en el pasado se utilizaban algunas
técnicas que hoy resultarían polémicas, como
la inmovilización física o restricción, la cual
consistía en sujetar físicamente al niño para
limitar sus movimientos durante el tratamiento,
de manera que no le permitía ejercer ningún
tipo de resistencia (Herrera-Estrella et al.,
2022). Aunque esta técnica a veces resultaba
efectiva para completar los procedimientos,
generaba una experiencia negativa para el niño
(Rodríguez y Rioja, 2019).
No obstante, la odontología ha experimentado
una notable evolución, especialmente en
el ámbito de la Odontopediatría durante la
última década, ya que en la actualidad, los
especialistas de este campo se orientan
hacia el uso de enfoques más humanitarios
y menos invasivos, que respetan la dignidad
y el bienestar del niño y consideran su
consentimiento para la realización de
determinados tratamientos (Aguilar-Gálvez,
2023; Takahashi et al., 2021).
En este sentido, las herramientas de inteligencia
articial (IA) se considera una propuesta
prometedora para el manejo de la conducta
en Odontopediatría, ya que su capacidad
para analizar grandes volúmenes de datos
y aprender de patrones permite ofrecer
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 63
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
En consecuencia, según lo expuesto en los
párrafos anteriores, resulta necesario indagar y
evaluar de manera objetiva e imparcial cómo
estas nuevas tecnologías se integran en la
práctica clínica diaria de la Odontopediatría.
Lo anterior tiene el n de comprender los
benecios y limitaciones de las aplicaciones de
IA en el manejo de la conducta de pacientes
odontopediátricos, mediante un análisis
comparativo con las técnicas tradicionales de
gestión de conducta.
Para esto, se exploran los estudios y desarrollos
más recientes en este ámbito, evaluando la
ecacia, las ventajas y las posibles limitaciones
de las diferentes aplicaciones de la IA en
comparación con las técnicas tradicionales de
manejo conductual.
A través de esta revisión sistemática, se
busca proporcionar una comprensión clara
y concisa sobre cómo la inteligencia articial
ha producido un cambio de paradigma en
las estrategias de manejo de conducta en la
Odontopediatría y se ofrecen a los profesionales
de la salud dental herramientas adecuadas y
actualizadas para mejorar la cooperación de
los pacientes pediátricos y, en última instancia,
los resultados de los tratamientos dentales.
Materiales y métodos
Esta revisión sistemática se realiza siguiendo la
metodología Prisma (Preferred Reporting Items
for Systematic Reviews and Meta-Analyses),
la cual proporciona un sistema estructurado
para la recolección, evaluación y síntesis
de la literatura académica existente sobre
la efectividad del manejo de pacientes en
Odontopediatría mediante el uso de inteligencia
articial. La revisión considerará los resultados
a través de técnicas tradicionales, como el
método decir-mostrar-hacer, la modelación, el
refuerzo positivo y el control de voz.
Se realizaron búsquedas en bases de datos
electrónicas como PubMed, Scopus, Taylor
y Francis, Web of Science y Cochrane. Se
incluyeron estudios publicados en inglés y
español desde el año 2019 hasta el primer
semestre de 2024. Además, se revisaron las
referencias de los estudios seleccionados para
identicar investigaciones adicionales que
pudieran cumplir con los criterios de inclusión.
La estrategia de búsqueda incluyó una
combinación de términos MeSH, DeCS y
términos libres y se utilizaron operadores
booleanos para renar los resultados.
Tabla 1 Ecuación de búsqueda
Base de datos
electrónica Estrategia de búsqueda
PubMed
(“articial intelligence” AND “pediatric dentistry” AND “behavior”) OR (“behavior”
AND “pediatric” AND “Articial intelligence”) OR (“child” AND “pediatric dentistry”
AND “AI” AND “behavior”) AND (y_5[Filter])
((Behavior Management) AND (pediatric dentistry)) AND (Cooperation)
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 64
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Criterios de inclusión:
• Estudios que incluyan a pacientes
pediátricos, es decir, niños y adolescentes
menores de 18 años, que reciben atención
odontológica.
• Uso de tecnologías de inteligencia articial,
aprendizaje automático, aprendizaje
profundo y redes neuronales para el
manejo de la conducta en Odontopediatría.
• Estudios que reporten resultados que se
relacionan con el manejo de la conducta,
la reducción de la ansiedad, la mejora
en la cooperación del paciente y otros
indicadores relevantes para el estudio.
• Ensayos clínicos aleatorizados
y no aleatorizados, estudios
cuasiexperimentales, estudios
observacionales, estudios narrativos y
estudios piloto que resulten relevantes para
la investigación.
Criterios de exclusión
• Estudios que incluyan únicamente a
pacientes adultos.
• Opiniones de expertos, cartas al editor y
artículos que carecen de base cientíca o
de acreditación indexada.
• Estudios publicados antes de 2018.
Scopus
TITLE-ABS.KEY((“articial intelligence” AND “pediatric dentistry” AND “behavior”) OR
(“behavior” AND “pediatric” AND “Articial intelligence”) OR (“child” AND “pediatric
dentistry” AND “AI” AND “behavior”) AND PUBYEAR > 2019 AND PUBYEAR < 2025)
Taylor y Francis [All: pediatric] AND [All: articial intelligence] AND [Abstract: dentistry]
WoS TS= ((“articial intelligence” AND “pediatric dentistry”) OR (“pediatric” AND
“Articial intelligence” AND (“pediatric dentistry”))
Cochrane Virtual reality AND pediatric dentistry AND behavior management
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 65
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Tabla 2 Matriz PICO para búsqueda bibliográca
Tipo de la
variable Palabra
Términos
DeCS en
español
Términos
MeSH Signicado Sinónimos o
variantes
Person (P) Pacientes
pediátricos
Niño (DeCS) Child (MeSH)
Individuos mayores que 3 años
y menores de 13 años que
reciben atención odontológica.
Pacientes pediátricos,
menores de edad.
Adolescente
(DeCS)
Adolescent
(MeSH) Individuos entre 13 y 18 años. Jóvenes y
adolescentes.
Intervention
(I)
Pacientes
pediátricos
Comportamiento
del Niño (DeCS)
Child
Behavior
(MeSH)
Cualquier respuesta o acción
observable de un niño de entre
24 meses y 12 años.
Modicación de la
conducta. Técnicas
de manejo de
la conducta en
Odontopediatría.
Comparison
(C)
Inteligencia
Arcial
Inteligencia
articial (DeCS)
Articial
Intelligence
(MeSH)
Tecnología que simula la
inteligencia humana en
máquinas, aplicada en
pacientes que se exponen
a atención odontológica
pediátrica.
IA, inteligencia articial.
Aprendizaje
automático
(DeCS)
Machine
Learning
(MeSH)
Subcampo de la inteligencia
articial que estudia algoritmos
de aprendizaje automático,
aplicado en pacientes que
se exponen a atención
odontológica pediátrica.
Aprendizaje
automático y machine
learning
Aprendizaje
profundo
Deep
Learning
Métodos de aprendizaje
automático supervisados
o no supervisados que
utilizan múltiples capas
de representaciones de
datos que se generan por
transformaciones no lineales,
en lugar de ALGORITMOS
individuales especícos
de tareas, para construir y
entrenar modelos de redes
neuronales.
Hierarchical Learning
Redes neuronales Neural
Network
Arquitectura informática, que
se puede implementar en
hardware o software, basada
en redes neuronales biológicas.
Red neuronal
informática.
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 66
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Outcome
(O)
Manejo de
conducta
Manejo de
conducta (DeCS)
Behavior
Management
(MeSH)
Técnicas para modicar el
comportamiento del paciente
durante el tratamiento,
aplicadas en pacientes
que se exponen a atención
odontológica pediátrica.
Modicación de
conducta, terapia
conductual.
Reducción de
Ansiedad (DeCS)
Anxiety
Reduction
(MeSH)
Reducción de la ansiedad en
pacientes pediátricos durante
procedimientos dentales,
aplicada en pacientes que
se exponen a atención
odontológica pediátrica.
Manejo de la
ansiedad, reducción
del miedo.
Cooperación del
paciente (DeCS)
Cooperation
(MeSH)
Nivel de cooperación del
paciente durante la atención
odontológica, aplicado en
pacientes que se exponen
a atención odontológica
pediátrica.
Cumplimiento,
cooperación del
paciente.
Tabla 3 Matriz PICO para la pregunta de investigación
Elemento Palabra Términos DeCS Signicado Sinónimos o variantes
Person Pacientes pediátricos Niño, adolescente Pacientes pediátricos Niños, infantes,
adolescentes
Intervention Atención odontológica
tradicional
Odontopediatría,
clínica dental
Contexto de atención
odontológica
tradicional
Consultorio dental,
clínica odontológica
Comparison Inteligencia articial
Inteligencia articial,
aprendizaje
automático,
aprendizaje profundo,
redes neuronales, IA
Uso de IA en manejo
de conducta
Machine Learning,
Deep Learning,
Neuronal Network, IA
Outcomes
Ecacia de los
métodos tradicionales
vs. manejo de
conducta con IA.
Odontopediatría,
inteligencia articial,
manejo de conducta
Contexto de atención
odontológica
Manejo de conducta
en pacientes
odontopediátricos.
Pregunta de investigación
¿Cuál es la ecacia de los métodos
tradicionales en comparación con el uso
de inteligencia articial en el manejo de la
conducta de pacientes pediátricos durante la
atención odontológica en el consultorio?
Proceso de selección de estudios
En primer lugar, se identicaron estudios
relevantes mediante la búsqueda en bases de
datos electrónicas y la revisión exhaustiva de las
referencias citadas en investigaciones previas,
con el objetivo de recabar estudios pertinentes
a los objetivos de este trabajo. Una vez que se
identicaron los estudios, se procedió al cribado
de los títulos y resúmenes para determinar
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 67
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
su elegibilidad y clasicación por medio de la
aplicación Rayyan. En este proceso, se tomaron
en consideración los criterios de inclusión y
exclusión predenidos. Lo anterior tiene el n de
seleccionar aquellos estudios que aporten valor
a la revisión.
Después, los estudios que superaron la fase
de cribado se evaluaron en profundidad
mediante la revisión de los textos completos,
con el objetivo de determinar si cumplen con
todos los criterios de inclusión establecidos.
Posteriormente, los artículos seleccionados se
sometieron al tamizaje según los criterios del
método Prisma.
Finalmente, los estudios que cumplan con todos
los criterios de inclusión y el análisis Prisma
fueron incorporados a la revisión sistemática. Lo
anterior tiene el n de asegurar que únicamente
la evidencia más relevante y pertinente forme
parte del examen nal.
Resultados
Figura 1 Diagrama de ujo método Prisma
IdentificaciónCribadoidoneidadinclusión
Número de registros identifica-
dos mediante búsquedas en
bases de datos (n = 130)
Número de registros adicionales
identificados mediante otras
fuentes (n =2)
Número de registros tras eliminar citas
duplicadas (n = 120)
Número de registros cribados (n = 120) Número de registros excluidos (n = 99)
Número de artículos de texto completo
evaluados para su elegibilidad (n = 21) Número de artículos de texto completo
excluidos, con sus razones (n = 14)
Número de estudios incluidos en la síntesis
cualitativa (n = 14)
Número de estudios incluidos en la síntesis
cuantitativa (n = 14)
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 68
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Tabla 4 Detalle bibliográco de los estudios considerados para la revisión sistemática.
Autor-año-nombre del estudio Tipo de
estudio
Grupo de
estudio
Objetivo del
estudio Resultados
Khanagar et al. (2022).
Performance of Articial
Intelligence (AI) Models Designed
for Application in Pediatric
Dentistry.
Revisión
sistemática
Pacientes
pediátricos en
odontología.
Evaluar el
rendimiento de los
modelos de IA en
Odontopediatría
La IA mostró precisión en
diagnóstico de caries y otros
indicadores de salud bucal
pediátrica como el manejo
de conducta.
Vishwanathaiah et al. (2023).
Articial Intelligence Its Uses and
Application in Pediatric Dentistry:
A Review.
Revisión
sistemática
Pacientes
pediátricos en
odontología.
Examinar las
aplicaciones
de la IA en
Odontopediatría
La IA es útil para la toma
de decisiones durante
los tratamientos en
Odontopediatría, sobre todo
para mitigar el dolor de los
procedimientos.
Naeimi et al. (2024). Articial
Intelligence in Adult and Pediatric
Dentistry: A Narrative Review.
Revisión
sistemática
Pacientes
pediátricos en
odontología.
Resumir
aplicaciones de
la IA en diversas
áreas de la
odontología.
La IA reduce tiempo y
costo en diagnóstico y
mejora precisión en caries y
anomalías dentales.
Chang et al. (2024). The
Gamication and Development
of a Chatbot to Promote Oral
Self-Care by Adopting Behavior
Change Wheel for Taiwanese
Children.
Estudio de
caso
Pacientes
pediátricos en
odontología.
Desarrollar
y evaluar un
chatbot para la
promoción de
autocuidado oral.
El chatbot demostró alta
usabilidad y aceptación
en niños para promover
autocuidado oral.
Thurzo et al. (2022). Where Is the
Articial Intelligence Applied in
Dentistry? Systematic Review.
Revisión
sistemática
Pacientes de
odontología.
Cuanticar
y analizar el
uso de la IA en
odontología.
Aumento notable en
publicaciones de la
IA en odontología,
especialmente en radiología
y Odontopediatría.
Shetty et al. (2019). Effect of Virtual
Reality Distraction on Pain and
Anxiety During Dental Treatment in
5 to 8 Year Old Children.
Estudio de
caso
Niños de 5 a
8 años.
Evaluar el impacto
de VR en el dolor
y ansiedad en los
procedimientos
dentales.
VR disminuyó
signicativamente el dolor y
la ansiedad en niños durante
los procedimientos
Acharya et al. (2024). Role of
Articial Intelligence in Behavior
Management of Pediatric Dental
Patients—a Mini Review.
Revisión
sistemática
Pacientes
pediátricos en
odontología.
Describir el
uso de la IA
para el manejo
conductual en
odontología
pediátrica.
La IA facilita el manejo
conductual y mejora la
participación de niños en
tratamiento dental.
Alshatrat et al. (2021). Effect of
Immersive Virtual Reality on Pain
in Different Dental Procedures in
Children: A Pilot Study.
Estudio de
caso.
Niños en los
procedimientos
dentales.
Evaluar la
efectividad de la
VR en el manejo
del dolor en los
procedimientos
dentales.
La VR es efectiva en reducir
dolor en los procedimientos
dentales en niños, mejorando
la consulta dentro del
consultorio.
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 69
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Custódio et al. (2020).
Effectiveness of Virtual Reality
Glasses as a Distraction for
Children During Dental Care.
Revisión
sistemática y
metaanálisis
Niños hasta
12 años.
Investigar el uso
de gafas de la VR
como técnica de
distracción.
La VR reduce ansiedad y
mejora el comportamiento en
los tratamientos dentales.
Cunningham et al. (2021). A
Systematic Review of the Use
of Virtual Reality or Dental
Smartphone Applications as
Interventions for Management of
Paediatric Dental Anxiety.
Revisión
sistemática
Pacientes
pediátricos en
odontología.
Examinar el
uso de la VR y
aplicaciones
móviles en la
ansiedad dental
pediátrica.
La VR y aplicaciones móviles
muestran potencial en la
reducción de la ansiedad
preoperatoria.
Larrea Eyzaguirre et al. (2023).
Optimizing Children’s Dental Care:
The Role of Articial Intelligence in
Pediatric Dentistry.
Revisión
sistemática.
Pacientes
pediátricos en
odontología.
Analizar el papel
de la IA en la
optimización
de la atención
odontopediátrica
y los desafíos
éticos y técnicos.
La IA muestra potencial en
el diagnóstico, planicación
y educación, pero enfrenta
desafíos en sesgos de datos,
privacidad y acceso desigual;
se necesitan estudios
más grandes para validar
sus benecios en salud
bucodental infantil.
Paredes. (2023). Apropiación
tecnológica como recurso en
el manejo de conducta para
la consulta odontológica de
pacientes con autismo.
Revisión
sistemática.
Pacientes
pediátricos en
odontología.
Analizar el papel
de la tecnología
para la atención
de pacientes
odontopediátricos
que presenten TEA
.
Bravo et al. (2024). Inteligencia
articial en Odontología: Impacto
y perspectivas en la gestión de
clínicas dentales, una revisión de
la literatura.
Revisión
bibliográca.
Pacientes
pediátricos en
Odontología
mediante
aplicaciones de
la IA.
Analizar el
papel de la IA
en la atención
de pacientes
pediátricos en
entornos de
Odontología.
La IA no reemplaza el
contacto humano, pero
complementa las habilidades
clínicas, los procesos
prolácticos y mejoran la
experiencia del paciente
pediátrico.
Castillo et al. (2024). Impacto
de la IA en la Odontología, Una
revisión.
Revisión
narrativa.
Transformación
de la
Odontología
mediante
aplicaciones de
la IA.
Analizar los
benecios,
desafíos y
aspectos éticos
del uso de la IA
en el campo de la
Odontología.
La IA ofrece un extenso
campo de benecios
en cuanto a la atención
pediátrica de pacientes
en Odontología, pero es
importante mencionar que
no debe descartar el juicio
clínico humano, además de
cuidar los datos y privacidad
de los usuarios nales.
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 70
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Tabla 5 Métodos tradicionales vs. técnicas mediadas por IA en Odontopediatría
Método Pros Contras Aplicación práctica
Método tradicional: decir-
mostrar-hacer
Fácil de aplicar y entender;
ayuda a preparar al niño
para el procedimiento.
Limitado en niños con
ansiedad elevada; puede
no ser efectivo en casos
complejos.
Usado para explicar y
preparar al niño para el
tratamiento, paso a paso.
Método tradicional:
modelación de conducta
Ejemplo positivo para el
niño; genera conanza y
tranquilidad en el ambiente.
Depende de la capacidad
del niño para imitar; menos
útil en casos de miedo
intenso.
Muestra ejemplos de
comportamiento adecuado
a través de terceros o
modelos.
Método tradicional: refuerzo
positivo
Refuerza conductas positivas
y motiva al niño a cooperar.
Puede no funcionar si el niño
no responde al refuerzo;
limitado en casos de
ansiedad.
Recompensa el buen
comportamiento con elogios
o premios menores.
Método tradicional: control
de voz.
Dirige el comportamiento
de forma no invasiva; evita
técnicas físicas.
Puede ser percibido como
impositivo; menos efectivo
en casos de temor severo.
Controla la conducta del
niño usando un tono de voz
rme y calmado.
Método mediado por IA:
realidad virtual (VR).
Reduce ansiedad y dolor;
mejora la cooperación
durante el tratamiento.
Requiere equipo
especializado y
capacitación; alto costo de
implementación.
Inmersión en entornos
virtuales para distraer y
calmar al niño durante el
tratamiento.
Método mediado por IA:
chatbots educativos.
Interacción amigable; facilita
la comprensión y reduce el
estrés.
Difícil de usar para niños
muy pequeños; necesita
supervisión para un uso
adecuado.
Interactúa con el niño
explicando el tratamiento de
forma lúdica y accesible.
Método mediado por
IA: reconocimiento de
emociones
Detecta ansiedad en tiempo
real; permite ajustar el
enfoque del profesional.
No está disponible en todas
las clínicas; depende de la
precisión del sistema.
Monitorea expresiones
faciales y signos de estrés
para ajustar el enfoque.
Método mediado por IA:
análisis de imágenes y redes
neuronales
Diagnósticos precisos
y rápidos; minimiza
procedimientos invasivos.
Necesita grandes
cantidades de datos;
desafíos éticos y de
personalización.
Analiza imágenes y datos de
salud para un diagnóstico y
tratamiento preciso.
Discusión
Como se ha reportado en los estudios de
Acharya et al. (2023), la inteligencia articial
ha transformado la Odontopediatría gracias
a su capacidad para mejorar el manejo del
comportamiento de los pacientes pediátricos.
Aplicaciones como el análisis de imágenes, el
procesamiento del lenguaje y los algoritmos de
aprendizaje automático han demostrado ser
efectivas en la detección temprana de caries, la
planicación de tratamientos y la educación en
higiene oral.
Además, los autores explican que el uso de
tecnologías inmersivas, como la realidad
virtual y la realidad aumentada contribuye
signicativamente a reducir la ansiedad y a
optimizar la cooperación de los niños durante
los procedimientos dentales.
Estas armaciones coinciden con las
conclusiones de Paredes (2023), ya que
estas tecnologías crean entornos virtuales
envolventes que distraen a los pacientes
de sus miedos y les permiten sentirse más
cómodos y relajados a lo largo del tratamiento,
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 71
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
lo que reduce de manera drástica los
comportamientos disruptivos y hace que los
tratamientos sean menos estresantes.
Shetty et al. (2019) exploraron el impacto
de la realidad virtual (VR) como técnica de
distracción para niños de entre 5 y 8 años
durante tratamientos dentales invasivos, como
la pulpotomía. Utilizaron la escala Modied
Child Dental Anxiety Scale (MCDAS) para medir
los niveles de ansiedad, la escala de dolor
Wong-Baker Faces para evaluar la percepción
del dolor y los niveles de cortisol salival como
indicador siológico del estrés.
Los resultados mostraron que el uso de este
tipo de IA disminuyó signicativamente la
apreciación del dolor y redujo los niveles de
ansiedad, tanto psicológica como siológica.
Los autores concluyen que al sumergir a
los niños en un entorno virtual mediante
inteligencia articial, su atención se desvía
de los estímulos dolorosos y estresantes de
la consulta, ya que al proyectar imágenes
relajantes y familiares, los niños se desconectan
del contexto real y lo sustituyen por una
experiencia que los divierte y distrae.
En concordancia con lo anterior, Alshatrat et
al. (2022) expresan que la VR también resulta
efectiva durante procedimientos que implican
el uso de anestesia local.
Se emplearon la Visual Analog Scale (VAS), la
escala de dolor Wong-Baker Faces y la escala
de observación conductual FLACC (Face, Legs,
Activity, Cry, Consolability) para evaluar la
intensidad del dolor y la respuesta conductual a
lo largo del procedimiento.
Esta investigación reveló que los niños que
utilizaron dispositivos de la VR durante procesos
dolorosos reportaron una disminución en la
intensidad del dolor percibido, lo que respalda
la idea de que la VR no solo funciona como
una herramienta de distracción visual, sino que
también genera una defensa emocional en
la percepción del dolor, contribuyendo a una
experiencia menos traumática.
Lo anterior concuerda con lo expresado por
Custódio et al. (2020), quienes analizaron
estudios que emplearon diferentes
herramientas de medición, incluidas la escala
de comportamiento FLACC, el Faces Pain Scale-
Revised (FPS-R) y la frecuencia cardíaca para
evaluar los niveles de ansiedad y la percepción
del dolor en niños.
Los autores concluyeron que los pacientes
que utilizaron esta tecnología durante
procedimientos de extracción y restauración
dental experimentaron menos dolor y
cooperaron más con el odontopediatra, lo que
facilitó el tratamiento con menos interrupciones.
En este sentido, Tanaka et al. (2022) expresan
que la inteligencia articial, a través de robots,
reduce signicativamente la ansiedad y el
miedo en niños durante procedimientos
médicos y odontológicos.
Los autores señalan que los niños que
interactuaron con estos robots con base en
IA experimentaron menos dolor y ansiedad en
comparación con aquellos que interactuaron
con un peluche ordinario.
Además, las intervenciones con robots alivian el
estrés y previenen experiencias traumáticas en
los pacientes pediátricos.
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 72
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
De manera similar, Chang et al. (2024) y
Bravo et al. (2024) coinciden en señalar
que el uso de chatbots con base en redes
neuronales de inteligencia articial inuye en el
comportamiento de los pacientes pediátricos,
lo que genera una mayor predisposición
a colaborar con el profesional durante el
desarrollo del tratamiento.
Este tipo de asistencia mediante IA se
implementa a través de la gamicación de
los procedimientos odontológicos; incluso se
emplean técnicas lúdicas con base en redes de
aprendizaje profundo, lo que se traduce en una
mejor comprensión del tratamiento, reducción
de la ansiedad, una mejor educación sobre
el cuidado dental y una adopción adecuada
de hábitos saludables en los pacientes
odontopediátricos, mejorando la conducta a lo
largo de la visita al consultorio odontológico.
De forma similar, Larrea et al. (2023) y Castillo
et al. (2024) coinciden en explicar que la
inteligencia articial posee la capacidad de
revolucionar el campo de la Odontopediatría, al
mejorar la precisión diagnóstica y la eciencia
de los tratamientos aplicados a pacientes
menores, vinculándose directamente con el
manejo del comportamiento en pacientes
pediátricos.
Según las conclusiones de estos autores, la IA
facilita la detección temprana de caries y la
planicación de tratamientos individualizados,
lo cual se traduce en una reducción de la
ansiedad y una mejora signicativa en la
cooperación de los niños.
Esto concuerda con las conclusiones de
Khanagar et al. (2022), quienes sostienen
que la IA contribuye a optimizar la conducta
y la colaboración de los pacientes
odontopediátricos al proporcionar diagnósticos
más precisos y preventivos, ya que reduce la
ansiedad y mejora la cooperación de los niños
durante las visitas dentales.
El estudio de Cunningham et al. (2021)
menciona que el uso de la IA como preparación
previa reduce la ansiedad anticipatoria,
evaluada mediante escalas de ansiedad y
comportamiento. A través de técnicas de
exposición gradual, los niños se adaptan al
entorno del consultorio dental, lo que facilita
la colaboración y disminuye el riesgo de
desarrollar miedo al dentista a largo plazo.
En esta misma línea de ideas, Vishwanathaiah
et al. (2023) concluyen en su estudio que los
modelos de la IA, como las redes neuronales
convolucionales (CNN), demostraron un buen
desempeño en la detección de caries y en
la evaluación de la salud oral, además de
aumentar la precisión diagnóstica y la eciencia
clínica de los tratamientos administrados
a pacientes pediátricos. Esto se tradujo
en una visible colaboración y mejora del
comportamiento de los menores.
En tal virtud, Thurzo (2022) considera que
la inteligencia articial ha revolucionado el
campo de la Odontología, especialmente en
la especialidad de Odontopediatría, ya que
la IA facilitó diagnósticos y evaluaciones más
rápidas de las enfermedades orales en niños
mediante técnicas de radiología dental.
Se señala que estos avances tecnológicos
permiten un manejo del comportamiento
más adecuado en los pacientes pediátricos,
disminuyen el miedo y mejoran la cooperación
durante las visitas al dentista, gracias a su
capacidad para interpretar radiografías de
manera precisa y rápida.
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 73
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Esto reduce el tiempo de espera y la necesidad
de procedimientos dolorosos y disminuye el
estrés en los pacientes jóvenes. Sin embargo,
los autores también advierten que existen
limitaciones en el uso de la IA, como la gran
cantidad de datos necesarios y el sesgo clínico,
así como aspectos éticos que aún deben
estudiarse para lograr una aplicación integral
de estas nuevas tecnologías en pacientes
pediátricos.
Por otro lado, Naeimi et al. (2024) explican que
la especialidad de Odontopediatría utiliza
la inteligencia articial para analizar datos
clínicos de manera rápida y precisa, lo que
ayuda a los profesionales en el diagnóstico y
tratamiento de enfermedades como la pérdida
ósea periodontal, las caries tempranas y las
anomalías en los dientes deciduos en pacientes
odontopediátricos.
Además, se menciona que el diagnóstico de
problemas dentales en la primera infancia
mediante redes neuronales de IA mejora la
atención y el comportamiento de los pacientes
pediátricos, ya que disminuye la necesidad
de procedimientos repetitivos o dolorosos y
favorece la cooperación de los niños durante
las visitas al dentista, al reducir la ansiedad, el
miedo y los comportamientos no cooperativos.
Sin embargo, aunque las investigaciones
actuales muestran resultados positivos,
Cunningham et al. (2021) señalan que el uso de
la IA en pacientes pediátricos aún es limitado,
ya que se requieren estudios clínicos con
muestras amplias para validar completamente
su ecacia en diversos contextos clínicos.
Asimismo, persisten desafíos que se relacionan
con la adaptación y personalización de los
contenidos de inteligencia articial, así como la
necesidad de capacitar adecuadamente a los
odontopediatras en el uso de esta tecnología
para optimizar sus benecios.
En relación con el dolor y la medición de la
efectividad de la IA. Estos estudios se han
basado principalmente en herramientas de
autoevaluación del dolor y en la observación
conductual, lo que puede sesgar la precisión de
los resultados debido a la subjetividad inherente
de cada paciente.
Simultáneamente, la implementación inicial de
la IA puede resultar compleja en términos de
recursos económicos, lo que diculta su acceso
en muchas clínicas, ya que puede implicar
costos elevados, especialmente en contextos de
países en desarrollo.
Conclusiones
• Después de analizar la literatura que se
seleccionó mediante la metodología
Prisma, se concluye que la inteligencia
articial es una herramienta adecuada
para el manejo del comportamiento de
los pacientes odontopediátricos, aunque
todavía no ha sido explotada en su
totalidad.
• Las nuevas tecnologías, como los
chatbots educativos, la realidad virtual,
la realidad aumentada y el análisis
de imágenes, ayudan a los pacientes
pediátricos a sentirse más seguros y a
colaborar de manera efectiva durante las
visitas al odontólogo. Además, mejoran
los diagnósticos y los tratamientos
individualizados, lo que permite ofrecer una
atención odontológica menos invasiva y
menos estresante.
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 74
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
• Los estudios explican que la inteligencia
articial también puede detectar caries de
la primera infancia y placa dental con la
misma ecacia que los odontopediatras
experimentados, lo que disminuye la
necesidad de procedimientos invasivos
y dolorosos. En esta misma línea, se
demuestra que los chatbots gamicados
y los robots de la IA resultan útiles para
distraer y aliviar el estrés de los niños, lo que
aumenta su disposición para el tratamiento
dental.
• Aunque existen ventajas, aún deben
abordarse aspectos como los estándares
éticos, la gestión de grandes cantidades
de datos y la personalización de modelos
de deep learning para diferentes contextos
clínicos.
• Finalmente, se concluye que la inteligencia
articial contribuye a la Odontopediatría
al permitir un mejor control del
comportamiento de los pacientes
pediátricos y al hacer que las visitas al
consultorio resulten menos estresantes
y angustiantes. Por lo tanto, es necesaria
una integración cuidadosa y regulada de
este tipo de tecnologías para proporcionar
a los profesionales de la salud dental
herramientas avanzadas, lo que promueve
la cooperación de los niños y favorece
resultados positivos en la salud dental a
largo plazo.
Conicto de interés
Los autores declaran que no existe ningún
conicto de intereses en relación con este
trabajo.
Financiación
Este trabajo no ha recibido nanciamiento de
ninguna fuente externa.
Declaración de contribución de autores:
Conceptualización y diseño: O.L.M.F, L.L.I.S, V.P.L.A,
M.M.A.A
Revisión de literatura: O.L.M.F, E.H.B.S, M.M.A.A
Metodología y validación: O.L.M.F, E.H.B.S, M.M.A.A
Análisis formal: O.L.M.F, E.H.B.S, M.M.A.A
Investigación y recopilación de datos: L.L.I.S,
V.P.L.A
Recursos: L.L.I.S, V.P.L.A
Análisis e interpretación de datos: L.L.I.S, V.P.L.A,
M.M.A.A
Redacción-preparación del borrador original:
L.L.I.S, V.P.L.A
Redacción-revisión y edición: L.L.I.S, V.P.L.A, E.H.B.S,
M.M.A.A , O.L.M.F
Supervisión: O.L.M.F, E.H.B.S, M.M.A.A
Administración de proyecto: O.L.M.F, E.H.B.S,
M.M.A.A
REVISTA ODONTOLOGÍA VITAL
ROVROVODONTOLOGÍA VITAL P. 75
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Referencias bibliográcas
Acharya, S., Godhi, B., Saxena, V., Assiry, A., Noura Alessa, Dawasaz, A., Abdullah Alqarni, & Isaqali Karobari.
(2024). Role of articial intelligence in behavior management of pediatric dental patients—a mini review.
Journal of Clinical Pediatric Dentistry, 48(3), 24. https://doi.org/10.22514/jocpd.2024.055
Adum, J.H., Ruiz, M.G., Vera, H.J., & Alvarez, M.I. (2024). Inteligencia articial en medicina: presente y futuro.
RECIAMUC, 8(1), 166–177. https://doi.org/10.26820/reciamuc/8.(1).ene.2024.166-177
Alarco-Cadillo, L., Casas Apayco, L., Reyes Bossio, M., & Ramírez Torres, M. C. (2021). Uso de dos técnicas
alternativas de manejo de conducta: musicoterapia y distracción audiovisual, en el control y manejo de
ansiedad en pacientes pediátricos de 5 a 10 años. Revista de Odontopediatría Latinoamericana, 7(1), 9.
https://doi.org/10.47990/alop.v7i1.127
Alshatrat, S. M.; Sabarini, J. M.; Hammouri, H. M.; Al-Bakri, I. A. y Al-Omari, W. M. (2022) Effect of Immersive
Virtual Reality on Pain in Different Dental Procedures in Children: A Pilot Study. International Journal of
Paediatric Dentistry. https://doi.org/10.1111/ipd.12851
Babu, A., Onesimu, J. A., & Sagayam, K. M. (2021). Articial Intelligence in dentistry: Concepts,
Applications and Research Challenges. E3S Web of Conferences, 297, 01074. https://doi.org/10.1051/
e3sconf/202129701074
Bravo, M.; Abril, D.; Padilla, P.; Peralta, D. y Piedra, T. (2024). Inteligencia articial en Odontología: Impacto
y perspectivas en la gestión de clínicas dentales, una revisión de la literatura. Research Society and
Development, 13(7), e10713746434-e10713746434. https://doi.org/10.33448/rsd-v13i7.46434
Bustos Rodriguez, A., & Salcedo, R. (2019). Grado de aceptación de los padres ante la restricción como
técnica de manejo de conducta en niños de 0 a 8 años de edad en una comunidad rural de Huánuco-
Perú. Revista de Investigación de La Universidad Norbert Wiener, 4(1), 57–68. https://doi.org/10.37768/
unw.rinv.04.01.005
Castillo Pedraza, M. C., Obispo Salazar, K. J., & Wilches Visbal, J. H. (2023). Impacto de la inteligencia articial
en la odontología: una reexión. Ustasalud, 23(1). https://doi.org/10.15332/us.v23i1.3142
Chang, W.-J., Chang, P.-C., & Chang, Y.-H. (2024). The gamication and development of a chatbot to
promote oral self-care by adopting behavior change wheel for Taiwanese children. Digital Health, 10.
https://doi.org/10.1177/20552076241256750
Chen, Y.-W.; Stanley, K. y Att, W. (2020). Articial intelligence in dentistry: current applications and future
perspectives. Quintessence International, 51(3), 248-257. https://doi.org/10.3290/j.qi.a43952
Constantini Leopardi, A., Adanero Velasco, A., Espí Mayor, M., & Miegimolle Herrero, M. (2023). Effectiveness of
Virtual Reality Goggles as Distraction for Children in Dental Care—A Narrative Review. Applied Sciences,
13(3), 1307. https://doi.org/10.3390/app13031307
Cunningham, A., McPolin, O., Fallis, R., Coyle, C., Best, P., & McKenna, G. (2021). A systematic review of the
use of virtual reality or dental smartphone applications as interventions for management of paediatric
dental anxiety. BMC Oral Health, 21(1). https://doi.org/10.1186/s12903-021-01602-3
Custódio, N. B.; Costa, F. D. S.; Cademartori, M. G., da Costa, V. P. P. y Goettems, M. L. (2020). Effectiveness of
Virtual Reality Glasses as a Distraction for Children During Dental Care. Pediatric Dentistry, 42(2):93-100.
E6-E7. From: https://www.ingentaconnect.com/content/aapd/pd/2020/00000042/00000002/art00002
Eyzaguirre, J. C. L.; Torrez, W. B.; Sousa, K. S. y Retamal-Valdes, B. (2023). Optimizando la atención dental
infantil: el papel de la inteligencia articial en Odontopediatría. Recima21, 4(9), e493849–e493849.
https://doi.org/10.47820/recima21.v4i9.3849
ROVROVODONTOLOGÍA VITAL
REVISTA ODONTOLOGÍA VITAL
P. 76
No. 44, Vol 1, (24) 60-76, ene-jun 2026, I ISSN:2215-5740
Cuya Garcia, R. A., & Campos Campos, K. J. (2023). Técnicas de distracción utilizadas en Odontopediatría
para la atención de niños de 5 a 10 años. Revisión de la literatura. Revista Odontología Pediátrica, 22(1),
48–57. https://doi.org/10.33738/spo.v22i1.238
Herrera-Estrella, M., Moreno-Gómez, A., Jiménez-Jiménez, E., Vázquez Manzanares, S.,
Pellón Díaz, G., & Argomedo-Ramos, G. (2022). Estrategias para el tratamiento del paciente agitado: trato
digno y reducción del riesgo de daños. Revista Colombiana de Psiquiatría. https://doi.org/10.1016/j.
rcp.2022.05.006
Khanagar, S. B., Alfouzan, K., Alkadi, L., Albalawi, F., Iyer, K., & Awawdeh, M. (2022). Performance of Articial
Intelligence (AI) Models Designed for Application in Pediatric Dentistry—A Systematic Review. Applied
Sciences, 12(19), 9819. https://doi.org/10.3390/app12199819
Larrea, C., Bustillos Torrez, W. Silva Sousa, K. & Retamal-Valdes, B. (2023). Optimizando la Atención Dental
Infantil: El Papel de la Inteligencia Articial en Odontopediatría. Recima21, 4(9), e493849–e493849.
https://doi.org/10.47820/recima21.v4i9.3849
Mancilla Monsalve, J. L. (2019). Uso de patrones de reconocimiento de las emociones para apoyar la
didáctica de enseñanza aprendizaje. Dictamen Libre, 24, 15–41. https://doi.org/10.18041/2619-4244/
dl.24.5463
Naeimi, S. M., Darvish, S., Salman, B. N., & Luchian, I. (2024). Articial Intelligence in Adult and Pediatric
Dentistry: A Narrative Review. Bioengineering, 11(5), 431. https://doi.org/10.3390/bioengineering11050431
Paredes, S. (2023). Apropiación tecnológica como recurso en el manejo de conducta para la consulta
odontológica de pacientes con autismo. Revista Electrónica de Estudios Telemáticos, 22(1), 1–12. https://
dialnet.unirioja.es/descarga/articulo/8951762.pdf
Shetty, V., Suresh, L. R., & Hegde, A. M. (2019). Effect of Virtual Reality Distraction on Pain and Anxiety During
Dental Treatment in 5 to 8 Year Old Children. Journal of Clinical Pediatric Dentistry, 43(2), 97–102. https://
doi.org/10.17796/1053-4625-43.2.5
Takahashi, T., Nozaki, K., Gonda, T., Mameno, T., & Ikebe, K. (2021). Deep learning-based detection of dental
prostheses and restorations. Scientic Reports, 11(1). https://doi.org/10.1038/s41598-021-81202-x
Tanaka, K., Hayakawa, M., Noda, C., Nakamura, A., & Akiyama, C. (2022). Effects of articial intelligence aibo
intervention on alleviating distress and fear in children. Child and Adolescent Psychiatry and Mental
Health, 16(1). https://doi.org/10.1186/s13034-022-00519-1
Tandon, D., & Rajawat, J. (2020). Present and future of articial intelligence in dentistry. Journal of Oral
Biology and Craniofacial Research, 10(4), 391–396. https://doi.org/10.1016/j.jobcr.2020.07.015
Thurzo, A., Urbanová, W., Novák, B., Czako, L., Siebert, T., Stano, P., Mareková, S., Fountoulaki, G., Kosnáčová, H., &
Varga, I. (2022). Where Is the Articial Intelligence Applied in Dentistry? Systematic Review and Literature
Analysis. Healthcare (Basel, Switzerland), 10(7), 1269. https://doi.org/10.3390/healthcare10071269
Vishwanathaiah, S., Fageeh, H. N., Khanagar, S. B., & Maganur, P. C. (2023). Articial Intelligence Its Uses
and Application in Pediatric Dentistry: A Review. Biomedicines, 11(3), 788. https://doi.org/10.3390/
biomedicines11030788
Esta obra esta bajo una Licencia Creative Commons Atribución 4.0 Internacional(CCBY4.0)
Derechos de autor ©2025 Ortega López, F., Latacela- Lojano, I.S., Vásquez- Parra, L.A., Escobar-Hernández, B.S.,
Morocho-Macas, A.A.
EDITOR EN JEFE
CONSEJO EDITORIAL
EQUIPO TÉCNICO
Dra. María José Rodríguez, Universidad Latina de Costa Rica, Costa Rica. Correo electrónico: odontologiavital@ulatina.cr
Filólogos Borea Costa Rica
Randall Herrera Valverde, Diagramador y diseñador, Grupo AJM. Correo electrónico: fotomundocr@gmail.com
Dr. Ennio Carro, Universidad del Valle, Campus Hermosillo, México. Correo electrónico: ennio.carroh@uvmnet.edu
Dra. Joyce Huberman, Universidad Andrés Bello, Chile. Correo electrónico: joyce.huberman@unab.cl
Dr. Michael Colvard, University of Illinois at Chicago, USA. Correo electrónico: colvard@uic.edu
Dra. Itzela de Obaldía, Universidad Interamericana, Panamá. Correo electrónico: itzela.obaldia@uip.pa
Dr. Carlos Lagares, Universidad Europea de Madrid, España. Correo electrónico: carlos.lagares@universidadeuropea.es
Dra. Alejandra Patricia Rivera, Universidad Viña del Mar, Chile. Correo electrónico: arivera@uvm.cl
Dr. Eduardo Flores, Universidad de las Américas, Ecuador. Correo electrónico: eduardo.ores@udla.edu.ec
Dra. Claudia P. Umaña, Unitec, Honduras. Correo electrónico: claudiaumana@unitec.edu
Dr. Javier García Hernández, Universidad Tecnológica de México, México. Correo electrónico: jgarciah@mail.unitec.mx
Dra. Mónica Claudia Larrondo, Universidad del Valle, México. Correo electrónico: monica.larrondo@uvmnet.edu
Dr. Eduardo Morazán, Universidad Peruana de Ciencias Aplicadas, Perú. Correo electrónico: eduardo.morzan@upc.pe
Dra. Olga Marta Murillo, Universidad de Costa Rica, Costa Rica. Correo electrónico: muleoni@ice.co.cr
Dr. Sergio Castro, Universidad Latina de Costa Rica, Costa Rica. Correo electrónico: sergio.castro@ulatina.cr
Dra. Reyna Garita, Universidad Latina de Costa Rica, Costa Rica. Correo electrónico: reyna.garita@ulatina.net
