El objetivo de estudio fue revelar el desempeño de diferentes algoritmos de clasificación en la determinación del sexo a partir de la primera vértebra cervical, el atlas. El éxito de la clasificación de 4 algoritmos diferentes de aprendizaje automático se examinó comparativamente con el fin de determinar el sexo mediante la evaluación de 22 mediciones de atlas en imágenes de tomografía computarizada de haz cónico (CBCT) de 145 mujeres y 145 hombres adultos. Para el diagnóstico de sexo se utilizaron algoritmos de clasificación y árbol de regresión (CART), máquina de vectores de soporte (SVM) y redes neuronales (NN). Para el rendimiento del modelo se utilizaron el área bajo la curva ROC (AUC), la precisión de clasificación (CA), la relación F1, los índices de precisión y recuperación. Excepto en dos mediciones, hubo una diferencia significativa entre hombres y mujeres en otros 20 parámetros (p<0,05). Los efectos ajustados de estos parámetros en la determinación del sexo se examinaron con modelos y algoritmos multivariados, y el éxito de los cuatro algoritmos fue bastante bueno. El éxito del algoritmo NN (Precisión 91,3 %; 0,87 Especificidad, 0,85 Sensibilidad) en clasificar correctamente a hombres y mujeres fue el más alto, seguido por el algoritmo LR (Precisión 90,9 %; 0,86 Especificidad, 0,83 Sensibilidad). Se encontró que el algoritmo de aprendizaje automático aplicado a las variables del atlas dio una alta precisión con respecto al sexo, y el modelo NN fue altamente efectivo en la determinación del sexo. Además, en nuestros resultados se presentó una importante base de datos morfométricos del atlas.

PALABRAS CLAVE: Atlas; Tomografía computarizada de haz cónico; Primera vértebra cervical; Determinación de sexo; Algoritmos de aprendizaje automático