Publicação
Diagnostic Performance of Artificial Intelligence in the Detection of Periapical Lesions Using Radiographic Imaging A Systematic Review
| Resumo: | Introdução: As lesões periapicais são frequentes em Medicina Dentária, e a sua deteção precoce é essencial para prevenir complicações. Contudo, a interpretação radiográfica pode ser subjetiva e dependente da experiência clínica. Neste contexto, a Inteligência Artificial tem sido explorada como uma ferramenta de apoio ao diagnóstico. Objetivo: Avaliar o desempenho diagnóstico da Inteligência Artificial na deteção e classificação de lesões periapicais em exames radiográficos em Endodontia. Materiais e Métodos: Foi realizada uma revisão sistemática segundo as recomendações PRISMA 2020. A pesquisa decorreu nas bases de dados PubMed, Web of Science e ScienceDirect. Foram incluídos estudos originais sobre a aplicação de Inteligência Artificial em radiografias periapicais, panorâmicas ou CBCT. A qualidade metodológica foi avaliada pela ferramenta QUADAS-2. Resultados: Foram incluídos 22 estudos publicados entre 2020 e 2025. A Inteligência Artificial demonstrou, em geral, bom desempenho diagnóstico. Os resultados variaram entre estudos, com melhor desempenho em tarefas de classificação binária e em CBCT. Discussão: Apesar dos resultados promissores, a interpretação deve ser cautelosa, uma vez que o desempenho foi influenciado pela modalidade imagiológica, complexidade da tarefa, tamanho das lesões, qualidade da imagem e representatividade dos datasets. A heterogeneidade metodológica e a escassa validação externa limitam a generalização clínica. Conclusão: A Inteligência Artificial apresenta potencial como ferramenta de apoio à decisão clínica, podendo aumentar a precisão, consistência e eficiência diagnóstica. Contudo, a sua integração clínica exige maior padronização, validação robusta e adaptação aos fluxos clínicos reais. |
|---|---|
| Autores principais: | Gonçalves, Juliana Afonso |
| Assunto: | Artificial intelligence Periapical Lesions Diagnostic accuracy Radiography Endodontics |
| Ano: | 2026 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Cooperativa de Ensino Superior Politécnico e Universitário |
| Idioma: | inglês |
| Origem: | Repositório CESPU |
| Resumo: | Introdução: As lesões periapicais são frequentes em Medicina Dentária, e a sua deteção precoce é essencial para prevenir complicações. Contudo, a interpretação radiográfica pode ser subjetiva e dependente da experiência clínica. Neste contexto, a Inteligência Artificial tem sido explorada como uma ferramenta de apoio ao diagnóstico. Objetivo: Avaliar o desempenho diagnóstico da Inteligência Artificial na deteção e classificação de lesões periapicais em exames radiográficos em Endodontia. Materiais e Métodos: Foi realizada uma revisão sistemática segundo as recomendações PRISMA 2020. A pesquisa decorreu nas bases de dados PubMed, Web of Science e ScienceDirect. Foram incluídos estudos originais sobre a aplicação de Inteligência Artificial em radiografias periapicais, panorâmicas ou CBCT. A qualidade metodológica foi avaliada pela ferramenta QUADAS-2. Resultados: Foram incluídos 22 estudos publicados entre 2020 e 2025. A Inteligência Artificial demonstrou, em geral, bom desempenho diagnóstico. Os resultados variaram entre estudos, com melhor desempenho em tarefas de classificação binária e em CBCT. Discussão: Apesar dos resultados promissores, a interpretação deve ser cautelosa, uma vez que o desempenho foi influenciado pela modalidade imagiológica, complexidade da tarefa, tamanho das lesões, qualidade da imagem e representatividade dos datasets. A heterogeneidade metodológica e a escassa validação externa limitam a generalização clínica. Conclusão: A Inteligência Artificial apresenta potencial como ferramenta de apoio à decisão clínica, podendo aumentar a precisão, consistência e eficiência diagnóstica. Contudo, a sua integração clínica exige maior padronização, validação robusta e adaptação aos fluxos clínicos reais. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.