USP desenvolve IA que ajuda dentistas a detectar cáries em radiografias

Pesquisadores da Universidade de São Paulo desenvolveram uma ferramenta de inteligência artificial capaz de reconhecer dentes e apontar sinais de cárie em radiografias odontológicas.

Criada em Ribeirão Preto, a tecnologia foi desenvolvida para auxiliar dentistas na interpretação das imagens e pode contribuir para tornar avaliações clínicas mais rápidas e precisas.

O sistema nasceu da colaboração entre especialistas em computação da Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto e profissionais da Faculdade de Odontologia da USP.

A iniciativa reúne cerca de 30 pesquisadores no grupo InReDD, dedicado à criação de soluções digitais para a odontologia.

Baseada em redes neurais convolucionais, a ferramenta foi treinada com milhares de radiografias previamente avaliadas por especialistas.

A proposta não é substituir o cirurgião-dentista , mas oferecer uma segunda avaliação capaz de apoiar decisões relacionadas ao diagnóstico e ao planejamento de tratamentos.

Uma segunda avaliação para o dentista Radiografia – (Reprodução: umpo/Shutterstock) O funcionamento da tecnologia começa pela preparação de uma grande quantidade de imagens odontológicas acompanhadas de avaliações feitas por especialistas.

Esse material serve como referência para o treinamento do sistema, que procura estabelecer relações entre os padrões presentes nas radiografias e as alterações que precisa reconhecer.

A estrutura utilizada pertence à categoria das redes neurais convolucionais, desenvolvida especialmente para lidar com informações visuais.

Conforme a explicação de Alessandra Alaniz Macedo, professora da área de Ciências da Computação da FFCLRP e uma das coordenadoras do projeto, esse tipo de arquitetura é adequado para tarefas que envolvem imagens, como as radiografias odontológicas.

Durante o treinamento, o modelo confronta suas próprias previsões com aquilo que foi previamente estabelecido pelos especialistas.

Quando encontra diferenças, ajusta seus parâmetros para reduzir os erros.

Esse ciclo permite que a ferramenta aprimore progressivamente sua capacidade de localizar alterações nas imagens.

A construção de um sistema desse tipo, porém, não se resume à programação do algoritmo.