Desenvolvimento de algoritmos de inteligência artificial para diagnóstico e avaliação da cárie dentária em crianças nos contextos clínico e epidemiológico

• Processo: 24/09855-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de novembro de 2024
• Data de Término da vigência: 31 de outubro de 2026
• Área do conhecimento: Ciências da Saúde - Odontologia - Odontopediatria
• Pesquisador responsável: Fausto Medeiros Mendes
• Beneficiário: Fausto Medeiros Mendes
• Instituição Sede: Faculdade de Odontologia (FO). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Daniela Prócida Raggio ; Flávio Fernando Demarco ; Luiz Alexandre Chisini ; Mariana Minatel Braga Fraga ; Maximiliano Sergio Cenci ; Tamara Kerber Tedesco
• Bolsa(s) vinculada(s): 25/09999-8 - Avaliação clínica, radiográfica e em escaneamentos intraorais visando o desenvolvimento de ferramentas automatizadas para detecção de lesões de cárie em crianças, BP.TT
• Assunto(s): Cariologia Cárie dentária Diagnóstico de cárie Crianças Estudo clínico Estudos epidemiológicos Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Cárie Dentária | crianças | Estudos Clínicos | Estudos epidemiológicos | Inteligência Artificial | Cariologia

Resumo

Este projeto tem por objetivo desenvolver algoritmos de inteligência artificial para diagnóstico e avaliação da cárie dentária em crianças nos contextos epidemiológico e clínico. O projeto é composto por duas grandes vertentes: 1) um estudo em contexto epidemiológico, de base populacional e; 2) um estudo em contexto clínico, com cinco objetivos específicos: (i) desenvolver algoritmos de deep learning para detecção de lesões de cárie em escaneamentos intraorais de crianças em um contexto de estudos epidemiológicos; (ii) desenvolver modelos de predição de Machine learning para a cárie dentária em crianças; (iii) desenvolver algoritmos de deep learning para detecção de cárie em crianças num contexto clínico usando escaneamentos intraorais, e (iv) radiografias interproximais; e (v) validar os algoritmos desenvolvidos em um estudo prospectivo em ambiente clínico e simulando o cenário de estudos epidemiológicos. Os estudos ocorrerão simultaneamente, coordenados pela equipe de pesquisadores das Faculdades de Odontologia da Universidade Federal de Pelotas (UFPel) e da Universidade de São Paulo (FOUSP). O estudo epidemiológico será desenvolvido na coorte de nascimentos de Pelotas/RS de 2015. As 4275 crianças incluídas no estudo serão contactadas a fim de participarem de um novo levantamento, aos 11 anos de idade, em fase de dentição mista, que incluirá exame bucal completo. Para cárie dentária, serão examinadas todas as superfícies dentárias de dentes decíduos e permanentes presentes, seguindo os critérios combinados do ICDAS (superfície hígida, com lesão inicial, lesão moderada ou lesão severa). A seguir, todos os participantes terão obtidas a imagem de suas arcadas dentárias por meio de escâner intraoral. As imagens 3D obtidas pelo escâner em diferentes formatos serão utilizadas para desenvolvimento de algoritmos para detecção de cárie em estudos epidemiológicos, utilizando abordagens de deep learning a fim de otimizar a validade dos modelos (objetivo i). Modelos de machine learning usando os algoritmos com diferentes abordagens serão criados para identificar preditores da ocorrência da cárie dentária nas crianças nesse mesmo contexto (objetivo ii). A detecção de cárie dentária no contexto da prática clínica envolve não só a avaliação da presença das lesões de cárie, mas também o estadiamento e a classificação da atividade dessas lesões. Assim, o estudo clínico será realizado com crianças que vão em busca de atendimento odontológico na FOUSP e que estejam em fase de dentição decídua ou mista. As crianças serão avaliadas quanto à presença de cárie seguindo os mesmos critérios simplificados do ICDAS e serão obtidas escaneamentos intraorais. Modelos de deep learning visando a detecção de cárie em todos os estágios de severidade serão desenvolvidos (objetivo iii). Paralelamente, imagens radiográficas interproximais de crianças na fase de dentição mista serão classificadas e anotadas em relação à cárie dentária, e outro modelo baseado em deep learning será desenvolvido (objetivo iv). A acurácia desses modelos será primeiramente testada no próprio banco de dados, em amostras randomicamente separadas como amostra teste, que não fizeram parte do desenvolvimento dos modelos. Após o desenvolvimento dos modelos, todos os algoritmos serão avaliados em relação à sua validade em um estudo prospectivo com inclusão consecutiva de crianças em busca de tratamento odontológico (objetivo v). (AU)