Novo sistema baseado em Deep Learning prevê risco de falha em implantes dentários na elevação do soalho do seio maxilar
· 2 min de leitura · Equipe Clinibud
Este artigo original, publicado na revista Clinical Oral Implants Research por Yujie Zhu, Yang Liu, Yue Zhao, Qinyi Lu, Wendi Wang, Yuan Chen, Ping Ji e Tao Chen, propõe e avalia um inovador sistema de predição chamado AMDRN (Anatomically Based Multitask Deep Learning Radiomics Nomogram) para prever o risco de falha de implantes dentários antes da cirurgia de elevação do soalho do seio maxilar (MSFE).
O trabalho reuniu retrospectivamente imagens pré-operatórias de tomografia computadorizada de feixe cônico (CBCT) e registros eletrônicos médicos (EMRs) de pacientes. Inicialmente, a equipe otimizou o modelo nn-UNet v2 para a segmentação automática das estruturas anatômicas importantes: seio maxilar, membrana de Schneider e osso alveolar remanescente. A partir dessas segmentações, foi desenvolvido um modelo de deep learning (3D-Attention-ResNet) junto a um modelo de radiômica para extrair características tridimensionais das imagens CBCT, produzindo os chamados DL Score e Rad Score, respectivamente. Além disso, informações clínicas relevantes foram extraídas dos registros para a construção de um modelo clínico.
Esses três componentes (avaliados separadamente como modelos clínico, radiômico e de deep learning 3D) foram posteriormente combinados por regressão logística em um modelo integrado, o AMDRN, que também inclui um módulo de visualização para facilitar a decisão clínica.
Os resultados indicam alto desempenho na segmentação das estruturas anatômicas, com coeficientes DICE superiores a 90%. Na validação em conjunto independente, o modelo clínico apresentou precisão de 60%, o radiômico 76%, o de deep learning 82%, enquanto o AMDRN alcançou a melhor performance, com acurácia de 90% e uma área sob a curva ROC (AUC) de 93%, indicando elevada capacidade preditiva.
A equipe destaca que o sistema AMDRN permite prever de forma eficiente o risco pré-operatório de falha do implante durante a elevação do soalho do seio maxilar, além de oferecer segmentação precisa das estruturas críticas, o que é essencial para planejamento personalizado do tratamento e gestão de riscos clínicos.
Este estudo abre múltiplas possibilidades para a aplicação da inteligência artificial e aprendizado profundo na odontologia, principalmente no suporte à tomada de decisão preconizada na implantodontia complexa. Os autores não declararam conflitos de interesse e ressaltam que os dados originais são protegidos para confidencialidade, mas disponibilizam os dados anonimizados e o código para solicitações justificadas.
Palavras-chave: inteligência artificial, tomografia computadorizada de feixe cônico, deep learning, implante dentário, diagnóstico precoce, elevação do soalho do seio maxilar.
Mais detalhes no artigo original: https://doi.org/10.1111/clr.70011
Autores: Yujie Zhu et al., Clinical Oral Implants Research, 2025.