Do Pixel ao Diagnóstico: Inteligência Artificial no Reconhecimento de Lesões da Mucosa Oral — Evidências, Acurácia e Desafios Clínicos
DOI:
https://doi.org/10.36557/2674-8169.2026v8n4p160-174Palavras-chave:
Inteligência Artificial, Inteligência computacional, Deep Learning, Machine LearningResumo
A incorporação da inteligência artficial (IA),na área da estomatologia tem promovido transformações significativas nos métodos diagnósticos,especialmente por meio da verificação de imagens digitais.O presente estudo tem por objetivo analisar as evidências científicas sobre a aplicação da inteligência artificial no reconhecimento de lesões da mucosa oral, avaliando sua acurácia diagnóstica, potencial clínico e os desafios relacionados à sua implementação na prática odontológica. Os mecanismos de busca empregados para a seleção dos artigos incluíram indexadores do Google Scholar, PubMed, Scopus e Web of Science, utilizando os seguintes descritores da lingua portuguesa: “Inteligência Artificial”; “Aprendizagem Profunda” “Aprendizado de Máquina por Representação”; “Lesões bucais”; “Neoplasias Bucais” e “Diagnóstico”, combinados por meio dos operadores booleanos AND e OR, visando ampliar a sensibilidade e especificidade da estratégia de pesquisa. Os resultados evidenciam que sistemas de IA possuem alta capacidade de reconhecimento de padrões, com acurácia semelhante ou superior aos métodos convencionais, favorecendo o rastreamento precoce e a padronização diagnóstica. Contudo, limitações relacionadas à qualidade dos dados, vieses algorítmicos, validação clínica e aspectos éticos ainda restringem sua ampla aplicação. Assim, a IA configura-se como ferramenta complementar promissora no diagnóstico das lesões da mucosa oral, atuando como suporte ao cirurgião-dentista e demandando novas pesquisas para ampliar sua confiabilidade clínica.
Palavras-chave: inteligência artificial; diagnóstico bucal; lesões da mucosa oral;aprendizado profundo; odontologia digital.
Downloads
Referências
AGUIAR, T. M. de et al. Lesões malignas secundárias orais pós-transplante de células-tronco hematopoiéticas: uma revisão. Brazilian Journal of Transplantation, v. 28, n. 1, 2025. Disponível em: https://doi.org/10.53855/bjt.v28i1.705_PORT. Acesso em: 28 mar. 2026.
AL-RAWI, Natheer et al. The effectiveness of artificial intelligence in detection of oral cancer. International Dental Journal, v. 72, n. 4, p. 436–447, 2022. Disponível em: https://doi.org/10.1016/j.identj.2022.03.001. Acesso em: 28 mar. 2026.
ANDRZEJCZAK, Bianka et al. Use of artificial intelligence for diagnosing oral mucosa conditions: a review. Diagnostics, v. 16, n. 2, p. 365, 2026. Disponível em: https://doi.org/10.3390/diagnostics16020365. Acesso em: 28 mar. 2026.
COSTA, L. M.; FERREIRA, D. A.; BARROS, E. S. Inteligência artificial na medicina diagnóstica: avanços e aplicações clínicas baseadas em aprendizado profundo. Brazilian Journal of Implantology and Health Sciences, v. 6, n. 1, p. 88–101, 2024.
FERREIRA, T. S.; MENDES, G. R.; LIMA, V. P. Desafios do uso da inteligência artificial nos diagnósticos em saúde: revisão integrativa. Cadernos Ibero-Americanos de Direito Sanitário, Brasília, v. 13, n. 1, p. 1–15, 2024.
GOMES, Rita Fabiane Teixeira et al. Use of artificial intelligence in the classification of elementary oral lesions from clinical images. International Journal of Environmental Research and Public Health, v. 20, n. 5, p. 3894, 2023. Disponível em: https://doi.org/10.3390/ijerph20053894. Acesso em: 28 mar. 2026.
HAJIBAGHERI, Pedram et al. ChatGPT’s accuracy in the diagnosis of oral lesions. BMC Oral Health, v. 25, n. 1, p. 1229, 2025. Disponível em: https://doi.org/10.1186/s12903-025-06582-2. Acesso em: 28 mar. 2026.
HIROSAWA, Takanobu et al. Diagnostic accuracy of differential-diagnosis lists generated by GPT-3 chatbot for clinical vignettes: a pilot study. International Journal of Environmental Research and Public Health, v. 20, n. 4, p. 3378, 2023. Disponível em: https://doi.org/10.3390/ijerph20043378. Acesso em: 28 mar. 2026.
OLIVEIRA, A. C.; SANTOS, R. F. Aplicabilidade da inteligência artificial na promoção da saúde: desafios e perspectivas contemporâneas. Revista Multidisciplinar em Saúde, Curitiba, v. 7, n. 1, p. 102–115, 2023.
REBELLO, Bruna Carolina et al. A machine learning-based approach to epileptic seizure prediction using electroencephalographic signals. Journal of Engineering Research, 2022. Disponível em: https://doi.org/10.22533/at.ed.412122505062. Acesso em: 28 mar. 2026.
SILVA, J. R.; ALMEIDA, P. H.; COSTA, M. L. Inteligência artificial na medicina: análise abrangente e perspectivas atuais. Revista Direito & Saúde, São Paulo, v. 5, n. 2, p. 45–58, 2024.
TIRYAKI, Burcu et al. Artificial intelligence in tongue diagnosis: classification of tongue lesions and normal tongue images using deep convolutional neural network. BMC Medical Imaging, v. 24, n. 1, p. 59, 2024. Disponível em: https://doi.org/10.1186/s12880-024-01234-3. Acesso em: 28 mar. 2026.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Maria Clara Amorim Carvalho; Victor Brenno Soares Alves ; Rubia Hellen Nascimento Aires, Augusto Machado de Siqueira , Raquel Carvalho de Aguiar , Kelly Santos Rocha, Thiago Henrique Gonçalves Moreira

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os autores são detentores dos direitos autorais mediante uma licença CCBY 4.0.



