A avaliação confiável do risco para restaurações suportadas por implantes na zona estética é crítica, mas desafiadora devido às variações anatômicas complexas e à subjetividade inerente das avaliações clínicas tradicionais. Para abordar essas limitações, desenvolvemos um sistema de inteligência artificial (IA) multifuncional, projetado para automatizar a avaliação de marcadores radiográficos substitutos do risco estético do implante, especificamente inflamação periapical (INFLAM), restaurações dentárias adjacentes (RESTOR) e a distância entre o ponto de contato e a crista alveolar (DISTAN) a partir de radiografias periapicais. O sistema passou por uma validação rigorosa por meio de uma estratégia em quatro frentes: comparação direta de desempenho contra dentistas de diferentes níveis de experiência, um cenário de colaboração humano-IA, testes clínicos prospectivos exploratórios e validação em múltiplos locais. Os resultados demonstraram que a IA igualou dentistas juniores nas tarefas INFLAM/RESTOR, enquanto superou estatisticamente especialistas na tarefa DISTAN. Crucialmente, a integração humano-IA revelou um efeito sinérgico específico da tarefa, particularmente nas avaliações de DISTAN, onde melhorou significativamente a recuperação em comparação com o desempenho isolado. Além disso, um teste clínico prospectivo exploratório e validação em múltiplos locais demonstrou o desempenho consistente do sistema e sua aceitável capacidade de generalização, alcançando alta especificidade em diversos contextos clínicos. Esta ferramenta de IA versátil facilita a avaliação precisa e objetiva de marcadores radiográficos fortemente associados ao risco estético. Embora os resultados estéticos clínicos diretos não tenham sido medidos prospectivamente, a capacidade comprovada do sistema de melhorar o desempenho do dentista destaca seu potencial promissor para avaliação pré-implante e apoio à decisão clínica.
Liu et al. (Ter,) estudaram essa questão.