Inteligência Artificial na Odontologia: avanços tecnológicos, desafios éticos e diretrizes para uma aplicação responsável no Brasil
DOI:
https://doi.org/10.34119/bjhrv8n2-406Keywords:
Inteligência Artificial, odontologia, ética, diagnóstico odontológico, tecnologia em saúdeAbstract
A Inteligência Artificial (IA) tem se consolidado como uma das principais inovações tecnológicas aplicadas à odontologia contemporânea. Este estudo teve como objetivo revisar a literatura sobre os impactos da IA na prática odontológica no Brasil, com ênfase nos avanços tecnológicos, dilemas éticos e diretrizes para uma incorporação responsável. A pesquisa foi realizada em bases de dados científicas como Scientific Electronic Library Online (SciELO), PubMed, Google Acadêmico e o Portal de Periódicos da CAPES. A seleção seguiu critérios de inclusão que abrangeram publicações dos últimos dez anos, com relevância direta para a aplicação da IA na odontologia. Foram selecionados dez estudos com rigor metodológico e contribuição significativa para a área. Os resultados apontaram aplicações promissoras da IA em especialidades como radiologia, endodontia, implantodontia, ortodontia e odontologia forense, onde algoritmos de aprendizado de máquina demonstraram elevado desempenho no diagnóstico de doenças bucais, planejamento terapêutico e personalização do atendimento. No entanto, a implementação dessas tecnologias suscita desafios éticos e regulatórios, especialmente quanto à privacidade dos dados dos pacientes, ao consentimento informado e à responsabilização pelas decisões clínicas automatizadas. A análise indicou que a integração da IA exige investimentos em infraestrutura, regulamentação específica e capacitação contínua dos profissionais. Conclui-se que, quando aplicada de forma ética e segura, a IA pode representar um avanço significativo para a odontologia brasileira, promovendo um cuidado mais preciso, eficiente e equitativo, alinhado aos direitos e à autonomia dos pacientes.
References
ALHAIDRY, H. M. et al. ChatGPT in Dentistry: A Comprehensive Review. Cureus, 30 abr. 2023.
BEAUCHAMP, T. L.; CHILDRESS, J. F. Principles of biomedical ethics. 7. ed. New York: Oxford University Press, 2013.
BECKER, A. S. et al. Deep Learning in Mammography. Investigative Radiology, v. 52, n. 7, p. 434–440, jul. 2017.
CHOI, E. et al. Artificial intelligence in diagnosing dens evaginatus on periapical radiography with limited data availability. Scientific Reports, v. 13, n. 1, p. 13232, 14 ago. 2023.
CHOI, H.-I. et al. Artificial Intelligent Model With Neural Network Machine Learning for the Diagnosis of Orthognathic Surgery. Journal of Craniofacial Surgery, v. 30, n. 7, p. 1986–1989, out. 2019.
FAVARETTO, M. et al. Big Data and Digitalization in Dentistry: A Systematic Review of the Ethical Issues. International Journal of Environmental Research and Public Health, v. 17, n. 7, p. 2495, 6 abr. 2020.
GAVINHO, L. G. et al. Detection of white spot lesions by segmenting laser speckle images using computer vision methods. Lasers in Medical Science, v. 33, n. 7, p. 1565–1571, 5 set. 2018.
GEETHA, V.; APRAMEYA, K. S.; HINDUJA, D. M. Dental caries diagnosis in digital radiographs using back-propagation neural network. Health Information Science and Systems, v. 8, n. 1, p. 8, 3 dez. 2020.
GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: ATLAS S.A, 2002. v. 1
HIRAIWA, T. et al. A deep-learning artificial intelligence system for assessment of root morphology of the mandibular first molar on panoramic radiography. Dentomaxillofacial Radiology, v. 48, n. 3, p. 20180218, mar. 2019.
JOBIN, A.; IENCA, M.; VAYENA, E. The global landscape of AI ethics guidelines. Nature Machine Intelligence, v. 1, n. 9, p. 389–399, 2 set. 2019.
KROIS, J. et al. Deep Learning for the Radiographic Detection of Periodontal Bone Loss. Scientific Reports, v. 9, n. 1, p. 8495, 11 jun. 2019.
LEE, J.-H. et al. Diagnosis and prediction of periodontally compromised teeth using a deep learning-based convolutional neural network algorithm. Journal of Periodontal & Implant Science, v. 48, n. 2, p. 114, 2018.
LEE, J.-H.; JEONG, S.-N. Efficacy of deep convolutional neural network algorithm for the identification and classification of dental implant systems, using panoramic and periapical radiographs. Medicine, v. 99, n. 26, p. e20787, 26 jun. 2020.
MACHOY, M. et al. The ways of using machine learning in dentistry. Advances in Clinical and Experimental Medicine, v. 29, n. 3, p. 375–384, 24 mar. 2020.
MCCARTHY, J. What is artificial intelligence? Stanford, CA: [s.n.].
MOHAMMAD‐RAHIMI, H. et al. Artificial intelligence in endodontics: Data preparation, clinical applications, ethical considerations, limitations, and future directions. International Endodontic Journal, v. 57, n. 11, p. 1566–1595, 29 nov. 2024.
MONTENEGRO, R. D. et al. A Comparative Study of Machine Learning Techniques for Caries Prediction. 2008 20th IEEE International Conference on Tools with Artificial Intelligence, v. 2, p. 477–481, nov. 2008.
MÖRCH, C. M. et al. Artificial Intelligence and Ethics in Dentistry: A Scoping Review. Journal of Dental Research, v. 100, n. 13, p. 1452–1460, 1 dez. 2021.
PATIL, V. et al. Artificial neural network for gender determination using mandibular morphometric parameters: A comparative retrospective study. Cogent Engineering, v. 7, n. 1, 6 jan. 2020.
POEDJIASTOETI, W.; SUEBNUKARN, S. Application of Convolutional Neural Network in the Diagnosis of Jaw Tumors. Healthcare Informatics Research, v. 24, n. 3, p. 236, 2018.
RIGBY, M. J. Ethical Dimensions of Using Artificial Intelligence in Health Care. AMA Journal of Ethics, v. 21, n. 2, p. E121-124, 1 fev. 2019.
SAGHIRI, M. A. et al. A new approach for locating the minor apical foramen using an artificial neural network. International Endodontic Journal, v. 45, n. 3, p. 257–265, 19 mar. 2012.
SAVEGNAGO, G. et al. Inteligência artificial na odontologia: uma revisão narrativa de literatura. Revista da Faculdade de Odontologia - UPF, v. 29, n. 1, 14 abr. 2024.
SCHWENDICKE, F. et al. Convolutional neural networks for dental image diagnostics: A scoping review. Journal of Dentistry, v. 91, p. 103226, dez. 2019.
TOLLE, P. E. Manual ABNT: Regras gerais de estilo e formatação de trabalhos acadêmicos. 5. ed. São Paulo: Centro Universitário Álvares Penteado-FECAP, Biblioteca FECAP, 2021. v. 1
TURING, A. M. I. Computing machinery and intelligence. Mind, v. LIX, n. 236, p. 433–460, 1 out. 1950.
WHITTEMORE, R.; KNAFL, K. The integrative review: updated methodology. Journal of Advanced Nursing, v. 52, n. 5, p. 546–553, 2 dez. 2005.
ZHANG, S.-Q. et al. Evolutionary history of Coleoptera revealed by extensive sampling of genes and species. Nature communications, v. 9, n. 1, p. 205, 15 dez. 2018.
ZHANG, W. et al. Predicting postoperative facial swelling following impacted mandibular third molars extraction by using artificial neural networks evaluation. Scientific Reports, v. 8, n. 1, p. 12281, 16 ago. 2018.
