Inteligência Artificial no Diagnóstico da Peri-implantite: Análise Bibliométrica.

Resumo

A reabilitação com implantes dentários é amplamente utilizada na prática clínica; entretanto, a peri-implantite permanece como uma das principais complicações biológicas, estando associada à perda óssea progressiva e à possibilidade de falha do implante. O diagnóstico baseia-se na avaliação clínica e radiográfica, que é frequentemente limitada pela variabilidade inter e intraexaminador e pelas limitações inerentes aos exames de imagem bidimensionais. Nesse contexto, a inteligência artificial (IA), particularmente as técnicas de aprendizado profundo, tem surgido como uma ferramenta promissora para auxiliar no diagnóstico e na análise de imagens na implantodontia.Este estudo teve como objetivo realizar uma análise bibliométrica da literatura científica sobre a aplicação da IA no diagnóstico da peri-implantite, identificando tendências de pesquisa, abordagens metodológicas e impacto científico. Foram realizadas buscas nas bases de dados Embase, MedLine (PubMed), Scopus e Web of Science, incluindo estudos clínicos, observacionais e experimentais que avaliaram o desempenho diagnóstico de modelos de IA. Após a triagem e a avaliação de elegibilidade, 12 estudos foram incluídos.A maioria dos estudos apresentou risco de viés moderado, principalmente devido a questões relacionadas à seleção das amostras, à ausência de cegamento e à predominância de validação interna. Observou-se uma concentração geográfica das publicações em países da Ásia e da Europa, com aumento expressivo no número de estudos após 2021. As principais abordagens de IA incluíram redes neurais convolucionais, modelos R-CNN e YOLOv8, aplicados principalmente a radiografias periapicais e à tomografia computadorizada de feixe cônico (TCFC).Os objetivos mais frequentes foram a detecção de implantes, a segmentação de imagens e o diagnóstico de doenças peri-implantares. De modo geral, os modelos demonstraram elevado desempenho diagnóstico, com altos valores de acurácia, sensibilidade e área sob a curva (AUC); entretanto, a heterogeneidade metodológica limitou as comparações diretas entre os estudos.Em conclusão, a IA apresenta forte potencial para auxiliar no diagnóstico da peri-implantite, embora sejam necessários estudos adicionais com metodologias padronizadas e validação externa para garantir sua aplicação clínica confiável.