# A inteligência artificial é confiável para o diagnóstico de lesões intraósseas dos ossos gnáticos?

> A revisão sistemática não encontrou evidência conclusiva que sustente o uso rotineiro de modelos de aprendizado de máquina na detecção, segmentação e classificação de lesões intraósseas dos ossos gnáticos. A heterogeneidade de métricas, a falta de detalhamento da amostragem dos dados e a ausência de testes externos limitam a avaliação do desempenho real desses modelos.

Estudo citado: Giraldo-Roldán D, Araújo ALD, Moraes MC, da Silva VM, Ribeiro ECC, Cerqueira M et al.. Artificial intelligence and radiomics in the diagnosis of intraosseous lesions of the gnathic bones: A systematic review. Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology. 2024. DOI: https://doi.org/10.1111/jop.13548. PubMed: https://pubmed.ncbi.nlm.nih.gov/38807455/

## Resposta

A revisão sistemática reuniu a literatura disponível sobre o uso de modelos de aprendizado de máquina no diagnóstico de lesões intraósseas dos ossos gnáticos, buscando responder se a inteligência artificial é confiável nesse contexto. O trabalho foi conduzido conforme as diretrizes PRISMA 2022 e registrado no banco PROSPERO, com pergunta estruturada pelo acrônimo PICOS.

Foram incluídos vinte e seis estudos, totalizando 21 146 imagens radiográficas. As lesões mais frequentemente investigadas foram ameloblastomas, ceratocistos odontogênicos, cistos dentígeros e cistos periapicais. Segundo a classificação TRIPOD, a maioria dos estudos foi classificada como tipo 2, com divisão aleatória dos dados.

O escore F1 foi apresentado em apenas 13 estudos, que forneceram métricas para 20 ensaios, com média de 0,71 (±0,25). A avaliação do risco de viés foi feita com a ferramenta PROBAST, e os resultados foram sintetizados considerando a tarefa e a estratégia de amostragem do conjunto de dados.

A conclusão é que não há evidência conclusiva para apoiar a utilidade dos modelos baseados em aprendizado de máquina na detecção, segmentação e classificação de lesões intraósseas dos ossos gnáticos na aplicação clínica rotineira. A falta de detalhamento sobre a amostragem dos dados, a ausência de um conjunto abrangente de métricas para treinamento e validação e a inexistência de testes externos limitam os experimentos e dificultam a avaliação adequada do desempenho dos modelos.

Para o médico, o achado principal é de cautela: os modelos descritos na literatura ainda não reúnem evidências suficientes para incorporação à rotina diagnóstica. A interpretação desses resultados deve considerar que o resumo não detalha características individuais dos estudos incluídos, como distribuição por tipo de lesão ou modalidade de imagem.

## O que o estudo mostrou

Trata-se de uma revisão sistemática com busca em diversas bases eletrônicas, incluindo PubMed, Embase, Scopus, Cochrane Library, Web of Science, Lilacs, IEEE Xplore e literatura cinzenta. Foram incluídos vinte e seis estudos, com 21 146 imagens radiográficas. As lesões mais investigadas foram ameloblastomas, ceratocistos odontogênicos, cistos dentígeros e cistos periapicais. A maioria dos estudos foi classificada como tipo 2 segundo TRIPOD. O escore F1 foi apresentado em 13 estudos, com métricas para 20 ensaios e média de 0,71 (±0,25).

## Limitações

O resumo não informa detalhes sobre a amostra de cada estudo incluído nem sobre a população clínica avaliada. A própria revisão aponta limitações da literatura: falta de detalhamento sobre a amostragem dos dados, ausência de um conjunto abrangente de métricas para treinamento e validação e inexistência de testes externos, o que limita os experimentos e dificulta a avaliação adequada do desempenho dos modelos.

## Aplicação no consultório

Na prática clínica, os achados não justificam incorporar modelos de aprendizado de máquina como ferramenta diagnóstica de rotina para lesões intraósseas dos ossos gnáticos. O médico deve manter o diagnóstico baseado em avaliação clínica e imaginológica convencional, acompanhando a evolução da literatura. Na gestão do consultório, isso significa evitar investimentos precipitados em softwares de apoio diagnóstico sem validação externa e priorizar a capacitação da equipe na interpretação de imagens.

## Perguntas para aprofundar

- Quais métricas de desempenho devem ser exigidas de um modelo de aprendizado de máquina antes de usá-lo no diagnóstico de lesões ósseas gnáticas?
- Por que a ausência de testes externos compromete a confiança em modelos de inteligência artificial aplicados à imaginação odontológica?
- Como o risco de viés avaliado pelo PROBAST influencia a interpretação dos estudos sobre aprendizado de máquina em lesões intraósseas?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/a-inteligencia-artificial-e-confiavel-para-o-diagnostico-de-lesoes-intraosseas/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.