Uso da rede neural Transformer em diagnóstico por imagem na Odontologia : uma revisão de escopo

Abstract

Introdução: As ferramentas de inteligência artificial (IA) são utilizadas de forma crescente na área da odontologia, com potencial de revolucionar a prática clínica. Atualmente, as redes neurais convolucionais (CNNs) são muito utilizadas como algoritmos de visão computacional para detecção e classificação de doenças em imagens como a tomografia computadorizada e a radiografia panorâmica. Também têm sido aplicadas para segmentação de estruturas nestas imagens e em modelos preditivos. No entanto, mais recentemente as redes transformers, muito usadas para processamento natural de linguagem, passaram a ser utilizadas também para tarefas em imagens, com potencial de performance superior às CNNs. Objetivo: Esta revisão de escopo tem como objetivo avaliar a aplicação da Rede neural Transformer para diagnóstico de alterações dentárias e na região do complexo maxilofacial em exames de imagem mais usados na odontologia. Metodologia: Foi realizada uma busca nas bases de dados LILACS, Embase, PubMed/MEDLINE, SCOPUS, Web of Science e IEEE Xplore. Também foi realizada pesquisa adicional na literatura cinzenta, incluindo Google Scholar e Proquest Dissertation & These. Os termos de pesquisa incluíram termos livres, descritores MeSH, além de termos controlados disponíveis nos Descritores em Ciências da Saúde (DeCS). Para seleção e administração das referências foram utilizados os aplicativos Mendeley e Rayyan. Os critérios de inclusão foram: estudos que realizaram exames de pacientes com alterações dentárias e na região do complexo maxilomandibular, que usaram Rede Neural Transformer para diagnóstico e que tratavam de diagnóstico por imagem em Odontologia. Ensaios clínicos, estudos observacionais e Revisões sistemáticas foram elegíveis para o estudo. Resultados: Foram encontrados no total 5.182 estudos, sendo incluídos 11 estudos ao final. Desses 11 artigos analisados, 8 empregaram a arquitetura Transformer em tarefas de segmentação. O padrão de referência incluiu avaliação de especialistas por meio da anotação manual. O número total do conjunto de dados foi de 39.221, não sendo possível quantificar o total de dados utilizados para teste, treinamento e validação pela falta de informação em alguns estudos. Os estudos confirmaram, por meio dos resultados das métricas utilizadas, que o uso da rede neural aqui discutida foi favorável em suas diferentes aplicações. Conclusão: O uso da rede neural Transformer representa uma ferramenta potencial com excelentes resultados para aplicação em diagnóstico por imagem em odontologia. Os dados obtidos nesse estudo indicam que os modelos baseados em Transformer frequentemente se beneficiam da combinação com outras arquiteturas, como as Redes Neurais Convolucionais, resultando em maior sucesso nos resultados. É fundamental mencionar que, embora haja espaço para melhorias, esta tecnologia já representa um significativo avanço da IA na odontologia.