Rev. Fac. Odontol. Porto Alegre; 64 (1), 2023
Publication year: 2023
Objetivo:
investigar a literatura relacionada à aplicação e desempenho da Inteligência Artificial (IA) em exames de imagem odontológicos. Revisão de literatura:
foram incluídos 70 trabalhos experimentais e revisões sistemáticas da literatura, publicados em inglês, no período entre 2018 e 2021, que analisaram a aplicabilidade da IA na detecção automática de: pontos cefalométricos, lesões de cárie, lesões apicais, perda óssea periodontal, sistemas de implantes, cistos e tumores odontogênicos, osteoporose, sinusite maxilar, terceiros molares e canal mandibular, ateromas em carótida, fratura radicular vertical, osteoartrite em articulação temporomandibular, avaliação de morfologia radicular e numeração dentária. Resultados:
58,73% dos trabalhos analisados mostrou acurácia diagnóstica acima de 80% com a utilização de IA. Discussão:
A maior limitação encontrada foi em relação à aquisição de amostras em quantidade suficiente para treinamento e teste dos modelos, já que imagens radiográficas têm sua disponibilidade limitada por questões éticas e legais relativas aos pacientes e Instituições. A falta de padronização na segmentação e processamento das imagens foi outro fator a influenciar os resultados obtidos, dificultando comparação e generalização. Apesar disso, diversos estudos apresentaram sugestões ou possíveis aperfeiçoamentos para pesquisas futuras, de forma a reduzir estas limitações. Conclusão:
A aplicação da IA no diagnóstico por imagens mostrou-se promissora nas diversas áreas pesquisadas, com desempenhos muito semelhantes ou mesmo superiores, muitas vezes, ao desempenho dos profissionais humanos. Contudo, para a legitimação de sua utilização como parte do fluxo de trabalho na clínica, limitações ainda presentes devem ser superadas, especialmente no treinamento dos algoritmos para obtenção de melhores valores de acurácia.
Aim:
to investigate the literature related to the application and performance of Artificial Intelligence (AI) in the analysis of dental imaging. Literature review:
70 experimental studies and systematic literature reviews published in English between 2018 and 2021 were included, which analyzed the applicability of AI models in the automatic detection of the following: cephalometric landmarks, dental caries, periapical diseases, alveolar bone loss, dental implant, odontogenic cysts and tumors, osteoporosis, maxillary sinusitis, third molars and mandibular canal, carotid atheromas, vertical root fracture, osteoarthritis in temporomandibular joint, evaluation of root morphology and numbering of dental elements. Results:
58.73% of the analyzed studies showed diagnostic accuracy above 80%.Discussion:
the greatest methodological limitation was the acquisition of samples in sufficient quantity for training and testing phases, since radiographic images are limited to their availability due to ethical and legal issues related to patients and institutions. Lack of standardization in the segmentation and image processing was another factor to influence the results, which was difficult to compare and generalize. Despite this, several studies presented suggestions or possible improvements for future research, in order to reduce the impact of these limitations. Conclusion:
the investigation of the applicability of AI in theanalysis of dental radiographic images seems to be still in its early days. The implementation of AI tools as radiologists’auxiliaries in their daily practice depends on overcoming the limitations of current studies and obtaining better diagnostic accuracy indices in future evaluations.