Desenvolvimento e avaliação de sistema de inteligência artificial para detecção de fratura radicular de dentes posicionados na endomassa em tomografia computadorizada de feixe cônico de alta resolução obtidas com diferentes parâmetros de aquisição

• Processo: 25/09161-4
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2026
• Data de Término da vigência: 31 de janeiro de 2029
• Área do conhecimento: Ciências da Saúde - Odontologia - Radiologia Odontológica
• Pesquisador responsável: Wilton Mitsunari Takeshita
• Beneficiário: Wilton Mitsunari Takeshita
• Instituição Sede: Faculdade de Odontologia (FOA). Universidade Estadual Paulista (UNESP). Campus de Araçatuba. Araçatuba , SP, Brasil
• Município da Instituição Sede: Araçatuba
• Pesquisadores associados: Leda Maria Pescinini Salzedas
• Assunto(s): Aprendizado computacional Diagnóstico por imagem Inteligência artificial Tomografia computadorizada de feixe cônico
• Palavra(s)-Chave do Pesquisador: algoritmos de aprendizado de máquina | diagnóstico por imagem | Fratua radicular | Inteligência Artificial | Tomografia Computadorizada de Feixe Cônico | Radiologia Odontológica e Imaginologia

Resumo

O diagnóstico das fraturas radiculares (FRs) é um dos maiores desafios na Odontologia. Até o presente momento, não existem aplicações que utilizam a inteligência artificial (IA) na deteção de fratura radicular (FR) em imagens de tomografia computadorizada de alta resolução (TCFCar) em diferentes protocolos de aquisição. Com isso, o objetivo será o desenvolvimento e avaliação de sistemas de IA para detecção de FR de dentes posicionados na endomassa em TCFCar, em diferentes protocolos de aquisição e visualização. O projeto será desenvolvido em três fases. A fase 1 será um estudo experimental in-vitro, a fase 2 será um estudo observacional retrospectivo com TCFCar de pacientes com diagnóstico de FR e a fase 3 será avaliar os sistemas de IA desenvolvidos. Na fase 1, será avaliado os protocolos de rotação, resolução e visualização, após a seleção da amostra, as coroas dos dentes serão seccionadas na junção amelocementária com disco diamantado Isomet (Isomet 1000, Buehler Ltd., Lake Bluff, EUA) e o canal radicular de cada dente será instrumentado de acordo com o protocolo rotatório MTwo (VDW, Munique, Alemanha). A amostra será dividida em dois grupos com 20 dentes cada: Grupo I - controle; e Grupo II - fratura radicular. A fratura radicular será induzida no Grupo II com uma máquina de ensaios universal (EMIC, Instron Corporation, Norwood, MA, EUA). Os dentes serão inseridos na mandíbula e submetidos à aquisição de imagens no TCFCar Veraview X800, com variações nos parâmetros de aquisição: rotação do aparelho 180º e 360º; e resolução - Standard Resolution, High Resolution e EndoMode. As imagens serão analisadas em diferentes dipositivos: um monitor de 30,5 polegadas, com sistema de calibração DICOM, resolução de 8 megapixel e brilho de 450 cd/m2 de modelo Eizo Radioforce MX317W (Eizo Corporation, Japan, Hakusan, Ishikawa), um monitor de 27 polegadas, resolução de 3 megapixel e brilho de 250 cd/m2 de modelo Acer Cb273u (Acer Inc, Taiwan, Xizhi District, New Taipei City) e um tablet Ipad (Apple, California, EUA). Após a determinação dos melhores protocolos. A rotulação dos bancos de dados será realizada pelos pesquisadores no Roboflow. Posteriormente, será realizado a configuração da IA para aprendizagem de máquina no algoritmo Yolo. Para treinamento da IA, cada TCFCar apresenta em média 500 arquivos de imagens, como se tratam de vinte dentes aproximadamente 10.000 arquivos de imagens serão classificados. Além disso, tem-se o processo de augmentation das imagens, que será realizado pela plataforma Roboflow (Des Moines, Iowa, USA). Ademais para mais treinamento pode-se utilizar as diferentes imagens dos diferentes protocolos, podendo ser utilizado 60.000 imagens para o processo de machine learning. Na fase 2 Nesta fase serão utilizadas TCFCar de arquivos de 20 pacientes que confirmaram a presença ou não de FR, por meio da análise dos prontuários. A amostra será dividida em dois grupos com 10 pacientes cada: Grupo I - dentes com ausência de fratura confirmados em prontuário; e Grupo II - dentes com fratura confirmadas em prontuário. Posteriormente, as TCFCar serão disponibilizadas para o treinamento da IA, o desenvolvimento do sistema seguirá o mesmo passo utilizado na fase 1 para treinamento da IA. Nesta fase 3 serão utilizadas TCFCar de arquivos de outros pacientes que confirmaram a presença ou não de FR, por meio da leitura dos prontuários. As imagens serão analisadas por dois Radiologistas com mais de 20 anos de experiência. Além disso, a TCFC será disponibilizada para a avaliação dos dois sistemas de IA desenvolvidos nas fases anteriores. Para avaliação dos resultados obtidos pelo algoritmo construído serão utilizadas as métricas mAP (means average precision), Precision, Recall, F1-Score e Total Detection Time (TDT). A comparação das avaliações dos diferentes sistemas de IA será realizada por meio da área sob a curva ROC e dos valores de sensibilidade e especificidade. O nível de significância adotado será sempre de 5%. (AU)