Objective: To assess the reliability of CEFBOT, an artificial intelligence (AI)-based cephalometry software, for cephalometric landmark annotation and linear and angular measurement according to Arnett’s analysis. Methods: Thirty lateral cephalometric radiographs acquired with a Carestream CS 9000 3D unit (Carestream Health Inc., Rochester/NY) were used in this study. The 66 landmarks and the ten selected linear and angular measurements of Arnett’s analysis were identified on each radiograph by a trained human examiner (control) and by CEFBOT (RadioMemory Ltd., Belo Horizonte, Brazil). For both methods, landmark annotations and measurements were duplicated with an interval of 15 days between measurements and the intraclass correlation coefficient (ICC) was calculated to determine reliability. The numerical values obtained with the two methods were compared by a t-test for independent variables. Results: CEFBOT was able to perform all but one of the ten measurements. ICC values > 0.94 were found for the remaining eight measurements, while the Frankfurt horizontal plane - true horizontal line (THL) angular measurement showed the lowest reproducibility (human, ICC = 0.876; CEFBOT, ICC = 0.768). Measurements performed by the human examiner and by CEFBOT were not statistically different. Conclusion: Within the limitations of our methodology, we concluded that the AI contained in the CEFBOT software can be considered a promising tool for enhancing the capacities of human Radiologists.

Introdução: Inteligência artificial (IA) é a capacidade de imitar a função do cérebro. É uma tecnologia que utiliza o aprendizado de máquina, rede neurais artificiais e a aprendizagem profunda. Ademais, utilizam de algoritmos aprimorados para “conhecer” recursos de um grande volume de dados da saúde para contribuir na atividade clínica, proporcionando um resultado mais rápido, preciso, reduzindo assim os erros de diagnóstico. Objetivo: O objetivo desta revisão sistemática é discorrer sobre o estado da arte na inteligência artificial na Radiologia Odontológica. Material e método: Na busca de evidências foram consultadas as bases de dados MEDLINE, PubMed, BBO, LILACS, BIREME, Google Acadêmico, e COCHRANE, por meio da estratégia PICOS. Todo o processo de avaliação e seleção foi executado por dois examinadores independentes. Resultados: Foram encontrados 878 artigos, seguindo os critérios de elegibilidade, os títulos e resumos foram analisados e 778 resumos excluídos do estudo, 10 textos completos, e finalmente 10 estudos foram incluídos no trabalho. Conclusão: Concluiu-se que os resultados obtidos ratificam que tanto o aprendizado profundo quanto o aprendizado de máquina e rede neurais artificiais são um campo precursor que mostram resultados animadores, principalmente pelo relevante auxilio prestado ao profissional inexperiente e por proporcionar um diagnóstico mais preciso e rápido. A inteligência artificial associada a radiologia odontológica evidencia a otimização do tempo, precisão diagnóstica, elaboração de tratamentos personalizados e previsão da eficácia no tratamento, características estas que contribuem para melhor qualidade no atendimento e, portanto, mais uma ferramenta de auxílio para os profissionais da radiologia odontológica.

No abstract

O objetivo do trabalho foi comparar a performance de dois softwares com IA em telerradiografia cefalométrica lateral, por meio da avaliação da reprodutibilidade e confiabilidade das medidas lineares e angulares da análise de McNamara. Foram marcadas 30 telerradiografias cefalométricas por meio do método digital pelo examinador no Radiocef (RadioMemory). Posteriormente, a amostra foi marcada por meio da IA dos softwares CEFBOT (RadioMemory) e WebCephTM (AssembleCircle), para avaliação da reprodutibilidade e confiabilidade, em relação ao examinador e os softwares em questão. Para calibrar o examinador e avaliar a confiabilidade das marcações do examinador, CEFBOT, e WebCephTM utilizou o Coeficiente de Correlação Intraclasse (ICC), bem como, o teste ANOVA e pós teste de Tukey avaliou a reprodutibilidade dos softwares, por meio dos pontos cefalométricos que compõem a análise de McNamara. O ICC médio do examinador, CEFBOT e do WebCeph foram 0.960, 0.940 e 0.954, respectivamente, indicando concordância quase perfeita. Ao comparar CEFBOT com examinador, observou-se diferença estatística (p<0.01) apenas na medida A-N perpendicular. Quanto ao WebCephTM, ao comparar com o examinador houve diferença significativa entre os fatores dois ao seis e o dez. E comparado ao CEFBOT, houve divergência nos mesmos fatores somado ao fator onze. Além disso, o WebCephTM não identificou as medidas Nfa-Nfp e Bfa-Bfp. O CEFBOT apresentou reprodutibilidade e confiabilidade na identificação dos pontos cefalométricos determinados pela análise de McNamara, mas necessitando de supervisão humana. O WebCeph apresentou concordância quase perfeita nas marcações, porém seis medidas apresentaram-se diferentes do examinador e duas não foram realizadas pela aplicação.

Aim: To evaluate the radiographic signs of proximity relationship between maxillary molar roots and maxillary sinus in panoramic radiographs, using CBCT as control. Methods: 81 examinations of patients who had panoramic radiographs and CBCT of the maxillary molars and pre molars region were used. Pathological situations were excluded from this study. Panoramic radiographs and CBCT were evaluated randomly and separately by an experienced dental radiology examiner. 1,055 root apices were evaluated individually. When assessing the relationship between maxillary molar and pre molar apices, and maxillary sinus, the examiner rated the images, both in panoramic radiography and CBCT, according to a scale of 0 to 3, where 0–Without relationship or distant; 1-Root apex projection or overlapping; 2-Maxillary sinus circumventing the tooth root; 3-Interruption of the continuity of maxillary sinus floor. Tabulated data were statistically analyzed using Kappa test and interclass correlation coefficient (ICC) respectively, with a significance level of 5%. A second analysis of the sample was performed after 15 days to analyze reproducibility. Results: Kappa test indicated near perfect reproducibility (Kw=0.973). The highest prevalence ratio, when comparing the classification in panoramic radiographs and CBCT, was for type 1 (52,7%). There was no difference between the type 1 signal and the gold standard observed on CBCT (ρ=0.2152). Conclusion: Panoramic radiography can be used to evaluate the relationship between roots of maxillary molars and premolars with the maxillary sinus. For cases where there is overlapping between apices and maxillary sinus, CBCT remains the indicated exam for better evaluation.