Palabras clave
Dental diagnosis
Restorative planning
Deep learning
Big data
Cómo citar
Copyright © | Todos los derechos reservados.
La revista posee los derechos de autor exclusivos para la publicación de este artículo en los términos de la ley brasileña 9610/98.
Reproducción parcial
El uso de partes de los textos, figuras y cuestionario del artículo es libre, siendo obligatoria la citación de los autores y revista.
Reproducción total
Está expresamente prohibido y debe ser autorizado por la revista.
Resumen
Objetivo: Analizar las aplicaciones de la inteligencia artificial (IA) en el diagnóstico y la planificación restauradora en odontología, enfatizando beneficios clínicos, limitaciones e implicaciones para incorporar estas tecnologías en la práctica profesional. Métodos: Se realizó una revisión integradora de la literatura en las bases PubMed/MEDLINE, Scopus y SciELO, incluyendo estudios publicados entre 2015 y 2025 en portugués, inglés o español. Se utilizaron términos relacionados con inteligencia artificial, aprendizaje automático, aprendizaje profundo, odontología, diagnóstico odontológico, planificación restauradora y CAD/CAM. Se incluyeron artículos completos sobre aplicaciones de la IA en diagnóstico, pronóstico y planificación restauradora en odontología, con síntesis temática de los hallazgos. Resultados: Veintidós estudios compusieron la muestra final. Se observó predominio de estudios internacionales enfocados en análisis de imágenes, diseño protésico y automatización del flujo restaurador. Los estudios demostraron desempeño prometedor de modelos basados en aprendizaje profundo y redes neuronales convolucionales en la detección de lesiones cariosas y aplicaciones de IA para detección de líneas de terminación, diseño de coronas, reconocimiento de restauraciones e integración con flujos CAD/CAM. Consideraciones finales: La IA presenta potencial como herramienta complementaria al razonamiento clínico, mejorando precisión diagnóstica, estandarización operatoria y predictibilidad restauradora. Sin embargo, su incorporación rutinaria aún depende de validación externa, transparencia algorítmica, protección de datos, capacitación profesional e integración en flujos clínicos.
Referencias
ABDUO J, BENNANI V. Explainable artificial intelligence and ethical integration in prosthodontics. International Journal of Prosthodontics, 2024; 37(1): 33-41.
AL-ASKAR M, et al. Artificial intelligence in CAD/CAM dentistry: improving precision and reducing clinical adjustments. Journal of Prosthetic Dentistry, 2024; 132(2): 210-217.
BERWIG C. Aplicações de inteligência artificial em odontologia. Universidade Federal de Santa Catarina (UFSC), 2023; 1: 1-75.
BRASIL. Conselho Nacional de Saúde. Resolução nº 510, de 7 de abril de 2016. Brasília: Ministério da Saúde, 2016.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais. Brasília: Presidência da República; 2018.
DUONG MT, et al. AI applications in restorative dentistry: a scoping review. Dental Materials, 2023; 39(5): 745-758.
FERNANDES SA, et al. O uso de inteligência artificial no diagnóstico odontológico: uma revisão sistemática. Revista Brasileira de Odontologia, 2021; 78(4): 201-209.
GOMES GL, et al. Aplicações de inteligência artificial no planejamento odontológico restaurador. Revista de Odontologia da UNESP, 2017; 46(3): 179-186.
LEE JH, et al. Deep learning in dental radiography: detection and classification of carious lesions. Scientific Reports, 2021; 11(1): 15557.
LUNDY JB, et al. Big data and artificial intelligence in clinical decision-making: transforming diagnostic paradigms. Journal of Dental Research, 2022; 101(4): 389-398.
MARTINS RP, et al. Aplicabilidade clínica da inteligência artificial em diagnóstico odontológico. Revista Brasileira de Pesquisa em Saúde, 2022; 24(1): e2463.
MENDES KDS, et al. Revisão integrativa: método de pesquisa para a incorporação de evidências na saúde e na enfermagem. Texto Contexto Enfermagem, 2008; 17(4): 758-764.
MERTENS S, et al. Artificial intelligence for predicting dental treatment needs. Scientific Reports, 2021; 11(1): 84109.
MORAIS JF, et al. Uso de algoritmos de aprendizado profundo na odontologia restauradora. Pesquisa Brasileira em Odontologia Clínica Integrada, 2022; 22(3): e2358.
NISHIDA M, et al. Integration of artificial intelligence with CAD/CAM in restorative workflows. Journal of Esthetic and Restorative Dentistry, 2024; 36(2): 142-151.
OLIVEIRA RS, CAMPOS DM. Inteligência artificial aplicada à Odontologia: potencialidades e desafios. Revista Odonto Ciência, 2021; 36(2): 1-9.
PAGE M, et al. The PRISMA 2020 statement: na updated guideline for reporting systematic reviews. BMJ, 2021; 372: 71.
PEREIRA GA, et al. Odontologia 5.0: convergência entre tecnologia e humanização no atendimento clínico. Revista Eletrônica Acervo Saúde, 2023; 15(5): e12059.
REVILLA-LEÓN M, et al. Artificial intelligence applications in restorative dentistry: a systematic review. Journal of Prosthetic Dentistry. 2022;128(5):867-875.
RODRIGUES MB, LIMA PR. Ética e segurança de dados na odontologia digital. Revista Bioética e Saúde, 2023; 31(2): 88-96.
SCHWENDICKE F, et al. Artificial intelligence in dentistry: chances and challenges. Journal of Dental Research, 2020; 99(7): 769-774.
SOUZA JG, BARCELOS DF. Aplicação clínica da inteligência artificial em odontologia restauradora: uma revisão narrativa. Revista Eletrônica Acervo Científico, 2021; 5: e4519.
TANAKA R, et al. Neural network-based analysis of composite resin failures. Journal of Prosthodontic Research, 2023; 67(3): 312-319.
TORRES LC, SILVEIRA CF. Inteligência artificial no diagnóstico de cáries: revisão sistemática. Brazilian Dental Journal, 2023; 34(1): 22-29.
UNESP. Faculdade de Odontologia. Departamento de Materiais Dentários. Planejamento restaurador digital: fundamentos e tendências. São Paulo: Cultura Acadêmica, 2021; 280 p.