Key points are not available for this paper at this time.
OBJETIVOS: Determinar a eficácia de uma ferramenta de aprendizado profundo (DL) em ajudar dentistas a detectar radiolucências apicais em radiografias periapicais. MÉTODOS: Sessenta e oito radiografias periapicais intraorais com presença ou ausência de radiolucências apicais comprovadas por CBCT foram selecionadas para servir como o subconjunto de teste. Oito avaliadores examinaram o subconjunto, denotaram as posições das radiolucências apicais e usaram uma escala de confiança de 5 pontos para pontuar cada radiolucência. O mesmo subconjunto foi avaliado por leitores sob duas condições: com e sem previsões da ferramenta DL Denti.AI. Para as duas sessões, o desempenho dos avaliadores foi comparado. A comparação foi realizada com a metodologia de característica de operação do receptor de resposta livre alternada (AFROC). RESULTADOS: A precisão na localização da lesão (AFROC-AUC), especificidade e sensibilidade (por lesão) mostraram melhorias na sessão auxiliada por DL em comparação com a sessão de leitura não auxiliada. A análise de desempenho do subgrupo revelou um aumento na sensibilidade para radiolucências pequenas e em radiolucências localizadas apicalmente a dentes tratados endodonticamente. CONCLUSÃO: O estudo revelou que a tecnologia DL (Denti.AI) melhora as habilidades dos profissionais dentários para detectar radiolucências apicais em radiografias intraorais. AVANÇOS NO CONHECIMENTO: As ferramentas de DL têm o potencial de melhorar a eficácia diagnóstica dos dentistas na identificação de radiolucências apicais em radiografias periapicais.
Hamdan et al. (Qui,) estudaram essa questão.