Benefícios da inteligência artificial na identificação de cárie dentária: revisão integrativa

Autores

DOI:

https://doi.org/10.33448/rsd-v10i2.12117

Palavras-chave:

Cárie Dentária; Saúde Bucal; Diagnóstico; Inteligência artificial.

Resumo

A Inteligência Artificial (IA) é um mecanismo proveniente de softwares, que tem como objetivo mimetizar funções cognitivas de seres humanos. Atualmente, a busca por seu uso cresce aceleradamente no ramo da saúde, contemplando diversas áreas, incluindo a Odontologia. A cárie dentária é uma doença dinâmica, multifatorial e mediada por biofilme, que resulta na desmineralização e remineralização fásicas dos tecidos dentários. A cárie dentária é uma das doenças crônicas que mais acometem pessoas ao redor do mundo. O objetivo desse trabalho foi realizar uma revisão integrativa da literatura atual sobre IA na identificação de cárie, acentuando seus benefícios, limitações, relevância e impacto. Com isso, a pergunta norteadora é: o quão viável pode ser o uso de uma tecnologia mais avançada como a IA para o diagnóstico de cáries? A pesquisa foi iniciada por meio de uma busca nos artigos científicos publicados na base de dados eletrônica PubMed, Web of Science, Scopus e Cochrane, utilizando os descritores: “dental caries”, “oral health, diagnosis” e “artificial intelligence” indexados no período de 2009 a 2020. Após os critérios de elegibilidade, foram analisados 10 artigos publicados em língua inglesa, portuguesa ou espanhola. A presente revisão integrativa foi capaz de reunir estudos recentes que acentuam o efeito dos métodos atuais da inteligência artificial na saúde bucal, mostrando o seu auxílio à função do cirurgião-dentista, fazendo com que o diagnóstico seja realizado com mais qualidade, precisão e facilidade, obtendo assim uma eficácia maior no tratamento.  

Referências

Javed, S. et al. Development of artificial neural network model for prediction of post-streptococcus mutans in dental caries. Scopus, 2019. https://www.sciencedirect.com/science/article/pii/S0169260719316347

Filho, J. C. B. L et al. Methods for detection of dental caries: from traditional to new technologies for clinical use. PubMed, 2011. http://files.bvs.br/upload/S/1983-5183/2012/v23n3/a2769.pdf

Schwendicke, Falk et al. Convolutional neural networks for dental image diagnostics: A scoping review. Scopus, 2019. https://www.sciencedirect.com/science/article/pii/S0300571219302283

Lee, Jae-Hong et al. Detection and diagnosis of dental caries using a deep learning-based convolutional neural network algorithm. Web of Science, 2018. https://www.sciencedirect.com/science/article/abs/pii/S0300571218302252

Chen, Yo-Wei et al. Artificial intelligence in dentistry: current applications and future perspectives. PubMed, 2020. https://pubmed.ncbi.nlm.nih.gov/32020135/

Hung, Man et al. Application of machine learning for diagnostic prediction of root caries. Web of Science, 2019. : https://www.researchgate.net/profile/Man_Hung2/publication/334258703_Application_of_machine_learning_for_diagnostic_prediction_of_root_caries/links/5ee4ba8ea6fdcc73be7815ad/Application-of-machine-learning-for-diagnostic-prediction-of-root-caries.pdf

Casalegno, F et al.Caries Detection with Near-Infrared Transillumination Using Deep Learning. PubMed, 2020. https://pubmed.ncbi.nlm.nih.gov/31449759/

Barbosa, Flávio de Souza et al. Using a neural network for supporting radiographic diagnosis of dental caries, Applied Artificial Intelligence:An International Journal, 2009. https://www.tandfonline.com/doi/abs/10.1080/08839510903246757

Charvát, J et al. Diffuse reflectance spectroscopy in dental caries detection and classification. Signal, ImageandVideo, 2020. https://doi.org/10.1007/s11760-020-01640-4

You, W et al. Deep learning-based dental plaque detection on primary teeth: a comparison with clinical assessments. BMC Oral Health, 2020. https://doi.org/10.1186/s12903-020-01114-6

Park, WookJoo et al. History and application of artificial neural networks in dentistry. European journal of dentistry, 2018. https://doi.org/10.4103/ejd.ejd_325_18

Prados-Privado, M et al. Dental Caries Diagnosis and Detection Using Neural Networks: A Systematic Review. Journal of Clinical Medicine, 2020. https://doi.org/10.3390/jcm9113579

Orhan, K. et al. Evaluation of artificial intelligence for detecting periapical pathosison cone‐beam computed tomography scans. International Endodontic Journal, 2020. https://onlinelibrary.wiley.com/doi/abs/10.1111/iej.13265

Kositbowornchai, S. et al. An Artificial Neural Network for Detection of Simulated Dental Caries.International Journal of Computer Assisted Radiology and Surgery, 2006. https://doi.org/10.1007/s11548-006-0040-x

Yüzbaşıoğlu, E. Attitudes and perceptions of dental students towards artificial intelligence. Journal of Dental Education, 2020. https://doi.org/10.1002/jdd.12385

Pereira A. S. et al. (2018). Metodologia da pesquisa científica. UAB/NTE/UFSM. https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic _Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1

Downloads

Publicado

09/02/2021

Como Citar

CABRAL, B. M. de S.; MARQUES, A. B. C.; MENEZES, M. R. A. de .; ALVES-SILVA, E. G.; SÁ, R. A. G. de .; MELO, E. L. de .; GERBI, M. E. M. de M. .; BISPO, M. E. A. . Benefícios da inteligência artificial na identificação de cárie dentária: revisão integrativa . Research, Society and Development, [S. l.], v. 10, n. 2, p. e18310212117, 2021. DOI: 10.33448/rsd-v10i2.12117. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/12117. Acesso em: 8 jul. 2024.

Edição

v. 10 n. 2

Seção

Artigos de Revisão

Licença

Copyright (c) 2021 Bianca Maria de Souza Cabral; Anna Beathriz Cariolano Marques; Maria Regina Almeida de Menezes; Esdras Gabriel Alves-Silva; Renata Araújo Gomes de Sá; Eloiza Leonardo de Melo; Marleny Elizabeth Márquez de Martínez Gerbi; Mávio Eduardo Azevedo Bispo

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.