Centeno San Román, GilbertoVelarde Lima, Angela Solange2026-01-202026-01-202026-01-02https://hdl.handle.net/20.500.12920/16353El objetivo del presente estudio fue determinar el nivel de concordancia entre el trazado cefalométrico automático generado mediante inteligencia artificial en la plataforma WebCeph y el trazado digital modificado manualmente para el análisis de McNamara en radiografías laterales de cráneo del Centro Radiológico UCSM en el año 2025. La investigación adoptó un enfoque cuantitativo, transversal y analítico, evaluando diez variables cefalométricas relacionadas con la posición y longitud maxilar y mandibular, discrepancia maxilomandibular, proporciones verticales, ángulos esqueléticos y posición dentoalveolar. La concordancia entre ambas técnicas se determinó mediante la prueba Kappa de Cohen. Los resultados evidenciaron niveles de concordancia sustancial y casi perfecta en la mayoría de los parámetros evaluados. Variables como la posición mandibular (0.813), la longitud mandibular (0.841), la diferencia maxilomandibular (0.932), el ángulo del plano mandibular (0.949) y 1-NB (0.945) mostraron los coeficientes más altos, indicando una correspondencia prácticamente total entre el método automático y el manual. Aunque algunas variables, como la posición maxilar (0.742) y el ángulo del eje facial (0.797), presentaron valores ligeramente menores. Se concluye que el diagnóstico obtenido porWebCeph con inteligencia artificial y modificación manual, es confiable ya que los valores de kappa muestran una concordancia sustancial y confiable. Estos hallazgos refuerzan la utilidad de la inteligencia artificial en la evaluación craneofacial y promueven su integración progresiva en la práctica clínica y académicaapplication/pdfspainfo:eu-repo/semantics/openAccessCefalometríaInteligencia ArtificialOrtodonciainfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#3.02.14