INTELIGÊNCIA ARTIFICIAL NA ODONTOLOGIA: APLICAÇÕES CLÍNICAS, LIMITAÇÕES E PERSPECTIVAS FUTURAS
DOI:
https://doi.org/10.56238/revgeov17n4-048Palavras-chave:
Inteligência Artificial, Odontologia, Machine Learning, Deep Learning, Imagem Diagnóstica, Tomada de Decisão Clínica, Odontologia Digital, Análise PreditivaResumo
Objetivo: Avaliar criticamente as aplicações clínicas atuais da inteligência artificial (IA) na odontologia, bem como suas limitações e perspectivas futuras em diferentes especialidades odontológicas.
Metodologia: Foi realizada uma revisão narrativa por meio de uma busca abrangente em bases de dados eletrônicas, incluindo PubMed, Scopus e Google Scholar. Estudos relevantes publicados em inglês foram selecionados com base em seu foco nas aplicações de IA na odontologia, incluindo diagnóstico, planejamento de tratamento e predição de resultados. Os artigos foram triados quanto à relevância, e os principais achados foram sintetizados qualitativamente.
Resultados: A IA demonstrou potencial significativo em diversas áreas da odontologia, particularmente na interpretação radiográfica, detecção de cáries, avaliação periodontal, planejamento ortodôntico e triagem de patologias orais. Modelos de machine learning e deep learning apresentaram alta precisão diagnóstica, frequentemente comparável ou superior à de clínicos. No entanto, persistem limitações importantes, incluindo heterogeneidade de dados, falta de conjuntos de dados padronizados, validação externa limitada e preocupações éticas relacionadas à privacidade de dados e transparência de algoritmos. Além disso, a integração aos fluxos de trabalho clínicos rotineiros ainda representa um desafio.
Conclusão: A IA representa uma ferramenta transformadora na odontologia moderna, com potencial para melhorar a precisão diagnóstica e a tomada de decisões clínicas. Apesar dos avanços promissores, sua adoção generalizada exige validação adicional, estruturas regulatórias e treinamento de clínicos. Pesquisas futuras devem focar na melhoria da generalização dos modelos, abordagem das questões éticas e garantia de integração clínica eficiente.
Downloads
Referências
Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542(7639), 115–118. https://doi.org/10.1038/nature21056
Kelly, C. J., Karthikesalingam, A., Suleyman, M., Corrado, G., & King, D. (2019). Key challenges for delivering clinical impact with artificial intelligence. BMC Medicine, 17, 195. https://doi.org/10.1186/s12916-019-1426-2
Kühnisch, J., Meyer, O., & Hickel, R. (2020). Artificial intelligence in dentistry: Chances and challenges. Clinical Oral Investigations, 24(12), 4275–4277.
Kunz, F., Stellzig-Eisenhauer, A., & Zeman, F. (2020). Artificial intelligence in orthodontics. Journal of Orofacial Orthopedics, 81(1), 52–68.
Lee, J. H., Kim, D. H., Jeong, S. N., & Choi, S. H. (2018). Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm. Journal of Dentistry, 77, 106–111. https://doi.org/10.1016/j.jdent.2018.07.015
Litjens, G., Kooi, T., Bejnordi, B. E., Setio, A. A. A., Ciompi, F., Ghafoorian, M., ... Sánchez, C. I. (2017). A survey on deep learning in medical image analysis. Medical Image Analysis, 42, 60–88. https://doi.org/10.1016/j.media.2017.07.005
Meskó, B., & Görög, M. (2020). A short guide for medical professionals in the era of artificial intelligence. npj Digital Medicine, 3, 126. https://doi.org/10.1038/s41746-020-00333-z
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Schwendicke, F., Samek, W., & Krois, J. (2020). Artificial intelligence in dentistry: Chances and challenges. Journal of Dental Research, 99(7), 769–774. https://doi.org/10.1177/0022034520915714
Topol, E. J. (2019). Deep medicine: How artificial intelligence can make healthcare human again. Basic Books.
