Diagnóstico cefalométrico eletrônico: contextualização de variáveis cefalométricas Electronic cephalometric diagnose: contextualized cephalometric variables

Abstract

INTRODUÇÃO: avaliações paramétricas clássicas e variáveis cefalométricas isoladas podem não prover a melhor informação em morfologia craniofacial. Por outro lado, uma cefalometria contextualizada pode ser bem mais promissora, uma vez que permite a integração de variáveis cefalométricas ponderadas. OBJETIVO: a proposta principal desse artigo é apresentar a aplicação de um modelo matemático não-trivial em cefalometria, permitindo a mineração de dados através da filtragem de certeza e contradição em cada "nó" da rede. MÉTODOS: nessa "rede neural" proposta, cada "célula" é conectada a outras "células" através de "sinapses". Tal sistema de tomada de decisão é uma ferramenta de inteligência artificial ajustada para potencialmente aumentar o significado dos dados coletados. RESULTADOS: a comparação entre o diagnóstico final fornecido pela rede neural paraconsistente e as opiniões de três examinadores foi heterogênea. O índice de concordância Kappa foi regular para discrepâncias anteroposteriores; substancial ou regular para discrepâncias verticais; e moderado para discrepâncias dentárias. Para a protrusão bimaxilar dentária, a concordância foi quase perfeita. Similarmente, a concordância entre as opiniões dos três examinadores sem a ajuda de nenhuma ferramenta de diagnóstico foi apenas moderada para discrepâncias esqueletais e dentárias. Como exceção, a concordância para protrusão dentária foi quase perfeita. CONCLUSÕES: a avaliação de desempenho do sistema tecnológico desenvolvido suporta que a ferramenta eletrônica apresentada pode se igualar às decisões humanas na maioria das situações. Como uma limitação esperada, tal ferramenta matemática-computacional se apresentou menos efetiva para discrepâncias esqueletais do que para discrepâncias dentárias.INTRODUCTION: Classical parametric assessments and isolated cephalometric variables may not provide the best information in craniofacial morphology. Rather, contextualized cephalometrics can be more promising, since it allows integration among balanced cephalometric variables. OBJECTIVE: The main purpose of this manuscript is to present the application of a non-trivial mathematical model in cephalometrics, providing data mining by filtering certainty and contradiction in each network "node". METHODS: In the proposed "neural network", each "cell" is connected to others "cells" by "synapses". Such decision-making system is an artificial intelligence tool tailored to potentially increase the meaning of assessed data. RESULTS: The comparison between the final diagnose provided by the paraconsistent neural network with the opinions of three examiners was heterogeneous. Kappa agreement was fair for antero-posterior discrepancies, substantial or fair for vertical discrepancies and moderate for dental discrepancies. For the bimaxillary dental protrusion, the agreement was almost perfect. Similarly, the agreement among the three examiners, without any software aid, was just moderate for skeletal and dental discrepancies. An exception was dental protrusion, which agreement was almost perfect. CONCLUSION: In conclusion, the analysis of performance of the developed technology supports that the presented electronic tool might match human decisions in the most of the events. As an expected limitation, such mathematical-computational tool was less effective for skeletal discrepancies than for dental discrepancies.

Keywords

• Diagnóstico cefalométrico
• Lógica não-trivial
• Inteligência artificial
• Cephalometric diagnosis
• Non-trivial logics
• Artificial intelligence