Previsão de crescimento assistida por IA melhora a ortodontia

O tratamento ortodôntico é mais eficaz quando programado para coincidir com o pico de crescimento da criança. Tradicionalmente, os clínicos estimam o crescimento examinando imagens de raios X das vértebras cervicais — os ossos do pescoço visíveis nas radiografias dentárias de rotina. No entanto, este processo requer a anotação manual cuidadosa de pontos específicos nos ossos, uma tarefa morosa e sujeita a variações entre observadores.

Em Análise de Imagens Médicas, investigadores do Hospital Anam da Universidade da Coreia, do KAIST e da Universidade de Ulsan apresentam um sistema de inteligência artificial (IA) concebido para superar estes desafios.

O trabalho, liderado pela Dra. Jinhee Kim e pelo Professor In-Seok Song, apresenta a Rede de Atendimento e Refinamento (ARNet-v2), um modelo interativo de aprendizagem profunda que simplifica a avaliação do crescimento a partir de uma única radiografia cefalométrica lateral.

A ARNet-v2 identifica automaticamente os pontos de referência esqueléticos nas vértebras cervicais, permitindo aos médicos prever o pico de crescimento puberal de uma criança. Ao contrário das técnicas convencionais, o modelo requer uma entrada mínima: uma única correção manual pode ser propagada por pontos anatómicos relacionados na imagem, melhorando significativamente a eficiência e a precisão.

A Dra. Kim explicou: "É importante salientar que o modelo permite que uma única correção feita por um médico seja propagada automaticamente para pontos-chave relacionados em toda a imagem, possibilitando uma precisão de última geração com muito menos interações do utilizador."

O modelo foi treinado e testado em mais de 5.700 radiografias e validado em quatro conjuntos de dados públicos de imagens médicas. Em comparação direta, o ARNet-v2 superou os sistemas existentes, reduzindo as falhas de previsão até 67% e diminuindo para metade o número de ajustes manuais necessários. Esta abordagem interativa não só aumenta a precisão, como também reduz o custo global da anotação de imagens médicas.

Clinicamente, o sistema oferece benefícios imediatos. Ao extrair características detalhadas das vértebras cervicais de uma única radiografia, o ARNet-v2 pode substituir radiografias adicionais da mão e do punho, reduzindo a exposição à radiação para as crianças e garantindo a tomada de decisões ortodônticas em tempo útil.

"Clinicamente, a capacidade do modelo de extrair pontos-chave precisos das vértebras cervicais a partir de uma única radiografia permite a estimativa precisa do pico de crescimento puberal de uma criança, um fator chave para determinar o momento do tratamento ortodôntico. Ao substituir as radiografias tradicionais da mão e do punho, pode reduzir a exposição à radiação e os custos para os pacientes jovens", observou o Prof. Canção.

Além da ortodontia, a estrutura Attend-and-Refine mostra-se promissora para desafios mais amplos de imagiologia médica, como a ressonância magnética cerebral, os exames da retina e a ecografia cardíaca. Pode até estender-se a domínios não médicos, como a robótica e a condução autónoma, onde a anotação rápida e de alta qualidade é crucial.

Para fluxos de trabalho clínicos, o ARNet-v2 proporciona um aumento notável da eficiência, aliviando a carga de trabalho em hospitais movimentados e apoiando clínicas com recursos limitados ou consultas remotas.

Olhando para o futuro, a avaliação da idade óssea e do crescimento assistida por IA poderá tornar-se uma componente rotineira dos cuidados pediátricos, combinando a análise automatizada com o planeamento de tratamento personalizado. O Dr. Kim enfatizou: "Juntos, estes aspetos posicionam o nosso trabalho como um passo significativo em frente na avaliação da idade óssea assistida por IA e na ortodontia pediátrica."

Ao reduzir exames de imagem desnecessários, diminuir os custos e melhorar a precisão diagnóstica, este sistema oferece claras vantagens tanto para os clínicos como para os jovens pacientes.

Fonte:  Korea University College of Medicine

Foto: Unsplash/CCO Public Domain