A inteligência artificial já é confiável para estimativa de idade forense em torno dos limiares legais, como 18 anos?
Resposta curta: A revisão sistemática mostra que a IA tem potencial para automatizar e tornar mais reprodutível a estimativa de idade forense, com erros médios baixos em radiografias dentárias e ressonância magnética. Porém, poucos estudos avaliaram especificamente o desempenho de classificação em torno de limiares legais como 18 anos, e ainda faltam validação externa e relato padronizado.
Resposta
A estimativa de idade forense é relevante em contextos médico-legais nos quais a idade cronológica de um indivíduo não pode ser documentada de forma confiável, como em procedimentos de imigração. Nesses cenários, a decisão pode depender de limiares legais específicos, o que exige métodos com desempenho bem caracterizado justamente nessas faixas.
A revisão sistemática identificou 48 estudos que aplicaram técnicas de inteligência artificial à estimativa de idade em contexto forense ou médico-legal e relataram métricas quantitativas de desempenho. A maioria investigou abordagens baseadas em imagem, especialmente radiografias panorâmicas dentárias, enquanto outros exploraram imagem esquelética, marcadores de metilação do DNA ou biomarcadores moleculares emergentes.
As redes neurais convolucionais foram a abordagem de modelagem mais frequente. Modelos aplicados a radiografias dentárias comumente relataram erros absolutos médios entre aproximadamente 0,5 e 1,5 anos, enquanto modelos baseados em metilação do DNA mostraram erros entre 3 e 5 anos. Modelos esqueléticos baseados em ressonância magnética frequentemente alcançaram erros de predição próximos de um ano.
Apesar desses resultados, relativamente poucos estudos avaliaram especificamente o desempenho de classificação em torno de limiares legalmente relevantes, como 18 anos. Esse ponto é central para a aplicabilidade forense, pois o erro médio global não informa diretamente quão bem o modelo discrimina indivíduos próximos a um limiar legal.
Assim, a inteligência artificial mostra potencial considerável para melhorar a automação e a reprodutibilidade da estimativa de idade forense, mas a implementação confiável na prática médico-legal ainda requer pesquisas com conjuntos de dados maiores e mais diversos, validação externa e relato padronizado.
O que o estudo mostrou
Trata-se de revisão sistemática conduzida conforme as diretrizes PRISMA 2020, com busca em MEDLINE (via PubMed) e Scopus desde o início das bases até 1 de março de 2026. A busca identificou 1.197 registros, dos quais 48 estudos preencheram os critérios de inclusão. A maioria investigou abordagens baseadas em imagem, sobretudo radiografias panorâmicas dentárias; outros exploraram imagem esquelética, metilação do DNA ou biomarcadores moleculares emergentes. Redes neurais convolucionais foram o modelo mais usado. Modelos em radiografias dentárias relataram erros absolutos médios entre aproximadamente 0,5 e 1,5 anos; modelos de metilação do DNA, entre 3 e 5 anos; modelos esqueléticos por ressonância magnética, erros próximos de um ano. Poucos estudos avaliaram classificação em torno de limiares legais como 18 anos.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos nem sobre heterogeneidade entre eles. Relativamente poucos estudos avaliaram especificamente o desempenho de classificação em torno de limiares legalmente relevantes, como 18 anos. Os autores apontam a necessidade de conjuntos de dados maiores e mais diversos, validação externa e relato padronizado, o que indica que a aplicabilidade forense dos modelos ainda não está completamente caracterizada.
Aplicação no consultório
Para o médico que atua em interface médico-legal, a revisão reforça que a IA pode apoiar a automação e a reprodutibilidade da estimativa de idade, mas não substitui julgamento pericial nem validação local. Ao organizar um serviço ou consultório que receba demandas forenses, é prudente tratar esses modelos como ferramentas auxiliares, verificar se foram avaliados próximos ao limiar legal em questão e documentar as limitações no laudo. A gestão deve priorizar protocolos padronizados e rastreabilidade dos métodos utilizados.
Estudo citado
Artificial intelligence in forensic age assessment: a systematic review. Legal medicine (Tokyo, Japan), 2026.
Autores: Bugelli V, Calabrò F, Donato L, Cecchi R, Camatti J, Di Paolo M, Franceschetti L.
DOI: 10.1016/j.legalmed.2026.102885 · PubMed: PMID 42241825
Perguntas para aprofundar
- Como interpretar o erro absoluto médio de modelos de IA ao avaliar idade próxima de um limiar legal?
- Quais modalidades de imagem têm mostrado menor erro na estimativa de idade forense por IA?
- O que falta para validar externamente modelos de IA em estimativa de idade forense?
Mais sobre Regulação e validação clínica de IA
- Modelos de inteligência artificial conseguem detectar fraturas radiculares verticais com boa acurácia diagnóstica?
- Como a inteligência artificial tem sido aplicada na cirurgia plástica facial e reconstrutiva?
- A detecção de bacilos álcool-ácido resistentes por aprendizado profundo em imagens de microscopia é precisa o suficiente para uso clínico?
- A inteligência artificial aplicada à nutrição já tem evidências clínicas suficientes para uso na prática médica?
- Modelos de inteligência artificial são comparáveis a radiologistas na detecção de câncer de próstata clinicamente significativo em mpMRI?
Todas as perguntas sobre Regulação e validação clínica de IA · Todos os temas · Versão em markdown