link copiado
Voltar
Resumo
O diagnóstico é a decisão mais importante na rotina clínica de todas as especialidades, visto que orienta o prognóstico e os possíveis planos de tratamento. A radiologia e a imaginologia odontológica são fundamentais nesse processo e têm como objetivo a aplicação dos métodos exploratórios por imagem com a finalidade de diagnóstico, acompanhamento e documentação do complexo bucomaxilofacial e estruturas anexas (arts. 59 e 60 Resolução CFO – 63/2005).
Diferentes técnicas físico-químicas e, mais recentemente, digitais de processamento de imagens foram desenvolvidas de forma que tornasse possível a visualização e interpretação das estruturas anatômicas e patológicas a partir da visão humana. No final dos anos 1960, alavancada pelos avanços tecnológicos em processamento de dados, iniciou-se a era da cefalometria computadorizada. Várias pesquisas vêm confirmando a confiabilidade de uma variedade de programas que calculam automaticamente distâncias e ângulos dos traçados cefalométricos, reduzindo o tempo do trabalho manual e os erros durante os traçados e mensurações das grandezas (VASCONCELOS et al., 2006; CELIK et al., 2009; ERKAN et al., 2012).
Em todos os setores, inclusive na saúde, grandes avanços tecnológicos têm impactado a vida humana de forma inimaginável. Tarefas que até alguns anos atrás poderiam ser executadas apenas por humanos, hoje conta com a excelência e precisão dos computadores. A aprendizagem profunda (Deep Learning) é um subconjunto de aprendizado de máquina (Machine Learning) que se baseia em uma estrutura de rede neural inspirada pelo cérebro humano. A maioria dos métodos anteriores de Inteligência Artificial (IA) tinha um desempenho inferior ao humano, mas devido aos recentes avanços na pesquisa da IA, a grande quantidade de dados digitais disponíveis e aos poderosos hardwares os novos modelos são capazes de igualar e até mesmo superar os seres humanos em tarefas específicas (MNIH et al., 2015).
Algumas pesquisas apontam que é possível aplicar técnicas de Machine Learning para auxiliar os profissionais em suas tomadas de decisão. Del Santo et al. (2011) relatou um resultado positivo para a classificação das discrepâncias dentárias. Inclusive já há relatos na literatura sobre técnicas de processamentos de tomografias para localizar pontos anatômicos para gerar análises cefalométricas 3D (MONTÚFAR et al., 2018).
Algumas barreiras, como a acurácia e a disponibilidade para uso clínico têm impedido o uso em escala destas tecnologias, mas, recentemente, essas limitações estão sendo superadas devido aos avanços dos estudos e ao interesse pelos temas de inteligência artificial em todos os setores (MNIH et al., 2015).
Há uma grande necessidade por novos modelos de inteligência artificial que auxiliem nos mais variados desafios da radiologia e imagenologia. Este capítulo descreve as atividades realizadas para o desenvolvimento de um modelo de inteligência artificial para detectar pontos cefalométricos em telerradiografias laterais.
