A inteligência artificial já está reformulando o diagnóstico em odontologia, mas os pesquisadores da UT Health San Antonio e da Universidade do Texas em San Antonio (UTSA) estão agora explorando como a IA poderia ajudar a avaliar e otimizar materiais compostos dentários.
Seu objetivo: desenvolver modelos de aprendizado de máquina que podem prever com precisão como os compósitos dentários disponíveis comercialmente – usados em preenchimentos e outras restaurações – se apresentarão em ambientes clínicos.
“Muito poucos estudos fornecem o tipo de dados comparáveis que os modelos de aprendizado de máquina precisam”. disse Kyumin Whang, Barry K. Norling dotou professor de odontologia abrangente na UT Health San Antonio. “Embora existam milhares de artigos sobre compósitos dentários, a grande maioria se concentra em materiais novos ou proprietários testados sob condições específicas de laboratório”.
O investigador de Whang e co-líder Yu Shin Kim, professor associado da Escola de Odontologia da UT Health San Antonio, colaborou com Mario Flores, professor de engenharia elétrica e computacional e engenharia biomédica da UTSA, para construir um conjunto de dados de 240 compósitos dentários disponíveis comercialmente. Seu trabalho, publicado no Jornal de Pesquisa Odontológicarepresenta um raro esforço interdisciplinar para aplicar inteligência artificial a materiais dentários restauradores.
Leia o artigo relacionado: Remodelando o atendimento odontológico com inteligência artificial
Leia a história relacionada: Para ‘revolucionar o atendimento odontológico’: o US Institute recebe US $ 6,2 milhões para desenvolver o preenchimento odontológico baseado em IA para substituir a amálgama
Ouça: Episódio 2: Integrando a equipe de tecnologia e treinamento
Dados filtrados e padronizados da equipe
Para construir um conjunto de dados utilizável, os pesquisadores revisaram mais de 200 estudos científicos e compilaram dados de 321 compósitos dentários disponíveis comercialmente. Esses materiais apresentavam 28 tipos de aditivos compostos – ingredientes que influenciam fatores como força, polimento e ligação – e 17 resultados distintos de desempenho, incluindo características como encolhimento, resistência à fratura e durabilidade geral.
Sua análise inicial mostrou que a IA poderia ajudar a identificar as propriedades materiais mais importantes que levam ao sucesso clínico. Com dados mais abrangentes e consistentes, eles dizem que os modelos de IA podem um dia recomendar formulações ideais de milhares de combinações em potencial – acelerando discreta o processo de design e teste.
“Quando tornarmos esses modelos mais precisos, poderemos discar as propriedades desejadas, e o modelo de IA recomendaria uma correspondência de formulação”, disse Whang. “Isso restringirá o campo de milhares de combinações possíveis a poucos direcionados, reduzindo drasticamente o tempo do conceito para o uso clínico”.
Como uma próxima etapa, os pesquisadores esperam criar uma plataforma de acesso aberto, onde empresas e instituições de pesquisa podem inserir dados de formulação e receber insights preditivos de desempenho-abrindo caminho para o desenvolvimento mais rápido de compósitos dentários personalizados.