Ética, viés e explicabilidade da IA em saúde

Qual é a acurácia da inteligência artificial na previsão de extrações dentárias no planejamento ortodôntico?

Resposta

A revisão sistemática com meta-análise avaliou a acurácia diagnóstica de modelos de inteligência artificial na predição de extrações dentárias durante o planejamento ortodôntico. Os autores seguiram as diretrizes PRISMA e registraram o protocolo no PROSPERO, com buscas em PubMed, Scopus, Web of Science e Google Scholar até junho de 2025.

Foram incluídos sete estudos transversais de seis países, com amostra combinada de 6.261 pacientes. A sensibilidade agrupada dos modelos de IA foi de 70% (IC 95%: 61-78) e a especificidade de 90% (IC 95%: 87-92). A heterogeneidade foi alta, com I² de 96,7% para sensibilidade e 93,7% para especificidade.

Modelos baseados em redes neurais convolucionais, como ResNet e VGG, apresentaram o melhor desempenho diagnóstico e não mostraram heterogeneidade. A meta-regressão indicou que a prevalência da condição influenciou significativamente a sensibilidade (p = 0,050). Os gráficos de funil sugeriram possível viés de publicação.

Os autores concluem que os modelos de IA, especialmente os baseados em redes neurais convolucionais, mostram acurácia promissora na predição da necessidade de extrações ortodônticas e podem ser usados para criar modelos preditivos. No entanto, a alta heterogeneidade indica que estudos de maior escala são necessários para apoiar a implementação clínica.

Para o médico, os achados sugerem uma ferramenta auxiliar em potencial, mas não substituem o julgamento clínico. A heterogeneidade elevada e o possível viés de publicação limitam conclusões definitivas, e o resumo não detalha características dos modelos nem critérios de referência clínica.

O que o estudo mostrou

Revisão sistemática com meta-análise de sete estudos transversais de seis países, com 6.261 pacientes, avaliando modelos de IA contra padrões clínicos no planejamento de extrações ortodônticas. A sensibilidade agrupada foi de 70% (IC 95%: 61-78) e a especificidade de 90% (IC 95%: 87-92), com heterogeneidade alta (I² = 96,7% e 93,7%). Modelos CNN (ResNet e VGG) tiveram o melhor desempenho, sem heterogeneidade. A prevalência influenciou a sensibilidade (p = 0,050) e houve sugestão de viés de publicação.

Limitações

O resumo relata alta heterogeneidade entre os estudos, possível viés de publicação sugerido pela assimetria dos gráficos de funil e influência da prevalência sobre a sensibilidade. Os autores afirmam que estudos de maior escala são necessários para apoiar a implementação clínica. O resumo não informa detalhes sobre os critérios de referência clínica, as características dos modelos ou a qualidade metodológica dos estudos incluídos.

Aplicação no consultório

Os achados apoiam a IA como ferramenta auxiliar na predição de extrações ortodônticas, especialmente modelos CNN, mas a heterogeneidade elevada e o possível viés de publicação exigem cautela. Na prática, o clínico deve usar esses modelos como apoio, mantendo o julgamento clínico como padrão. Na gestão do consultório, a incorporação deve considerar validação local, treinamento da equipe e monitoramento de desempenho, sem substituir a avaliação clínica individual.

Estudo citado

Accuracy of artificial intelligence in orthodontic extraction treatment planning: a systematic review and meta analysis. BMC oral health, 2025.
Autores: Ziaei S, Samani D, Behjati M, Ravari AO, Salimi Y, Ahmadi S, Rajaei S, Alimohammadi F, Raji S, Deravi N, Fakhimi H.
DOI: 10.1186/s12903-025-06880-9 · PubMed: PMID 41068732

Perguntas para aprofundar

• Modelos de redes neurais convolucionais são mais acurácios que outros modelos de IA no planejamento ortodôntico?
• Como a prevalência de extrações influencia o desempenho dos modelos de IA?
• Quais são as limitações metodológicas dos estudos sobre IA no planejamento ortodôntico?

Mais sobre Ética, viés e explicabilidade da IA em saúde

• A inteligência artificial é precisa para detectar radiolucência periapical em radiografias?
• Qual é a acurácia diagnóstica do aprendizado profundo na predição de osteoporose?
• A inteligência artificial pode substituir os endoscopistas na avaliação da cicatrização mucosa na colite ulcerativa?
• A inteligência artificial aplicada à RM já é confiável para detectar displasia cortical focal na prática clínica?
• Modelos de deep learning aplicados a radiografias panorâmicas são acurados para triagem de osteoporose?

Todas as perguntas sobre Ética, viés e explicabilidade da IA em saúde · Todos os temas · Versão em markdown