Modelos de inteligência artificial têm bom desempenho diagnóstico na detecção de lesões de cárie em radiografias?
Resposta curta: Sim. A revisão sistemática avaliou vinte artigos e os modelos de IA mostraram bom desempenho diagnóstico na detecção de lesões de cárie, com sensibilidade de 0.44 a 0.86, especificidade de 0.85 a 0.98 e acurácia de 0.73 a 0.98, podendo ser um auxílio importante na detecção.
Resposta
A revisão sistemática reuniu estudos que avaliaram o desempenho diagnóstico de modelos de inteligência artificial voltados à detecção de lesões de cárie em radiografias. A busca eletrônica abrangeu as bases PubMed, Web of Science, SCOPUS, LILACS e Embase, considerando estudos retrospectivos, prospectivos e transversais publicados até janeiro de 2023. A qualidade metodológica foi avaliada pelas diretrizes do QUADAS-2.
Foram incluídos vinte artigos que atenderam aos critérios de seleção. Cinco estudos foram realizados em radiografias periapicais, nove em radiografias interproximais e seis em ortopantomografias. O número de exames de imagem incluídos variou de 15 a 2900. Quanto aos modelos, quatro estudos investigaram redes neurais artificiais, quinze investigaram redes neurais convolucionais e dois investigaram redes neurais convolucionais profundas.
O desempenho diagnóstico na detecção de lesões de cárie mostrou sensibilidade de 0.44 a 0.86, especificidade de 0.85 a 0.98, precisão de 0.50 a 0.94, valor preditivo positivo de 0.86, valor preditivo negativo de 0.95, acurácia de 0.73 a 0.98 e área sob a curva de 0.84 a 0.98. Também foram relatados interseção sobre união de 0.3-0.4 e 0.78, coeficiente Dice de 0.66 e 0.88 e F1-score de 0.64 a 0.92.
Segundo a avaliação pelo QUADAS-2, a maioria dos estudos apresentou baixo risco de viés. Os autores concluem que os modelos baseados em inteligência artificial demonstraram bom desempenho diagnóstico, podendo ser um auxílio importante na detecção de lesões de cárie. As limitações apontadas relacionam-se ao tamanho e à heterogeneidade dos conjuntos de dados, e estudos futuros devem se basear em conjuntos de dados comparáveis, grandes e clinicamente significativos.
O que o estudo mostrou
Trata-se de revisão sistemática com busca em PubMed, Web of Science, SCOPUS, LILACS e Embase até janeiro de 2023, incluindo estudos retrospectivos, prospectivos e transversais, com avaliação de qualidade pelo QUADAS-2. Foram avaliados vinte artigos: cinco em radiografias periapicais, nove em interproximais e seis em ortopantomografias, com 15 a 2900 exames de imagem. Quatro estudos investigaram redes neurais artificiais, quinze redes neurais convolucionais e dois redes neurais convolucionais profundas. A sensibilidade variou de 0.44 a 0.86 e a especificidade de 0.85 a 0.98; a maioria teve baixo risco de viés.
Limitações
O resumo informa que algumas limitações dos estudos incluídos estão relacionadas ao tamanho e à heterogeneidade dos conjuntos de dados. Os autores apontam que estudos futuros precisam se basear em conjuntos de dados comparáveis, grandes e clinicamente significativos. O resumo não detalha outras limitações metodológicas específicas nem descreve características adicionais das amostras além do número de exames de imagem.
Aplicação no consultório
Os achados sugerem que modelos de inteligência artificial podem apoiar a detecção de lesões de cárie em diferentes tipos de radiografias, o que pode orientar a incorporação dessas ferramentas como auxílio diagnóstico na rotina clínica. Para a gestão do consultório, a heterogeneidade dos conjuntos de dados e a necessidade de validação em bases comparáveis e grandes recomendam cautela antes de adotar sistemas comercialmente, priorizando avaliação criteriosa do desempenho e da aplicabilidade ao perfil de pacientes atendidos.
Estudo citado
Artificial intelligence for radiographic imaging detection of caries lesions: a systematic review. BMC oral health, 2024.
Autores: Albano D, Galiano V, Basile M, Di Luca F, Gitto S, Messina C, Cagetti MG, Del Fabbro M, Tartaglia GM, Sconfienza LM.
DOI: 10.1186/s12903-024-04046-7 · PubMed: PMID 38402191
Perguntas para aprofundar
- Qual é o desempenho diagnóstico dos modelos de inteligência artificial na detecção de cárie em radiografias interproximais?
- Como o risco de viés foi avaliado nos estudos de inteligência artificial para detecção de cárie?
- Quais limitações dos conjuntos de dados podem afetar a aplicação clínica desses modelos?
Mais sobre IA em diagnóstico por imagem e radiologia
- Qual é o desempenho das plataformas de inteligência artificial na detecção de cárie dentária em imagens clínicas e radiografias?
- A inteligência artificial é tão eficaz quanto médicos para detectar displasia do desenvolvimento do quadril em exames de imagem?
- A inteligência artificial é uma ferramenta confiável para diagnóstico e manejo clínico odontológico, segundo revisão sistemática?
- A inteligência artificial tem aplicação e desempenho confiáveis na odontologia forense?
- Modelos de inteligência artificial têm bom desempenho diagnóstico na detecção de fraturas faciais em tomografia e radiografias?
Todas as perguntas sobre IA em diagnóstico por imagem e radiologia · Todos os temas · Versão em markdown