Avaliação da confiabilidade e reprodutibilidade da marcação de pontos cefalométricos referentes à análise facial em software com inteligência artificial

Abstract

Introdução: A análise facial é importante para estudos na avaliação da função e estética facial. Diante do avanço dos métodos de inteligência artificial (IA) na análise automatizada de marcação de pontos cefalométricos, por meio de softwares para estudos craniofaciais, torna-se necessário a avaliação da confiabilidade de tais métodos. Proposição: Avaliar a confiabilidade na marcação de pontos cefalométricos da análise facial frontal e de perfil com IA. Material e método: A pesquisa foi aprovada no Comitê de Ética da FOA-UNESP CAAE: 70013923.4.0000.5420. Foram escolhidos 30 pacientes de ambos os sexos, onde foram registradas fotografias frontais e de perfil e executadas as marcações dos pontos das análises por meio do software RadioCef Studio 3 (Radio Memory Ltda, Belo Horizonte, Brasil) com o módulo Cefbot com IA e pelo examinador calibrado (Ecal) e para avaliação da confiabilidade, foi realizada uma segunda leitura dos pontos marcados em 15 dias e calculado o coeficiente de correlação intraclasse (ICC). Realizou-se o registro numérico das coordenadas dos pontos na tela do computador por meio do software ImageJ 1.54 (National Institutes of Health, USA). Um banco de dados para as variáveis qualitativas e quantitativas foi organizado no software Excel (Microsoft Corporation, USA), para a tabulação e análise estatística, sendo também utilizado o programa BioEstat 5.3 (Instituto Mamirauá, Belém, Brasil). Utilizou-se o teste T para variáveis independentes para as diferentes metodologias de análise. O nível de significância foi estabelecido em p<0.05. Resultados: O Cefbot efetuou todas as marcações dos pontos na análise frontal, contudo comparando o Ecal e o Cefbot, em dois pontos específicos ZA`(y) e Co1(y) o valor de p foi de <0,001. E na análise de perfil, dos 17 pontos, o Cefbot não marcou 8 pontos. Conclusão: Dentro das limitações apresentadas pela metodologia aplicada, a ferramenta Cefbot, pode ser considerada uma ferramenta promissora, entretanto cabe ressalvas quanto a diferenças expressivas em dois pontos na análise frontal e a não marcação de 8 pontos na análise facial de perfil.

Introduction: Facial analysis is essential in studies involving the evaluation of facial function and aesthetics. Considering the advancement of artificial intelligence (AI) methods in the automated identification of cephalometric landmarks through software designed for craniofacial studies, evaluating the reliability of such methods becomes necessary. Objective: To evaluate the reliability of cephalometric landmark identification in frontal and profile facial analyses using artificial intelligence. Material and Methods: This research was approved by the Research Ethics Committee of FOA-UNESP, under CAAE: 70013923.4.0000.5420. A total of 30 patients of both sexes were selected, and standardized frontal and profile photographs were obtained, and landmark identification was performed using the RadioCef Studio 3 software (Radio Memory Ltda, Belo Horizonte, Brazil), through the AI-integrated Cefbot module and by a calibrated examiner (Ecal). To assess reliability, a second landmarking session was performed after 15 days, and the intraclass correlation coefficient (ICC) was calculated. The coordinates of the landmarks on the computer screen were recorded using the ImageJ software version 1.54 (National Institutes of Health, USA). A database for qualitative and quantitative variables was created in Excel software (Microsoft Corporation, USA), and statistical analysis was performed using BioEstat software version 5.3 (Instituto Mamirauá, Belém, Brazil).The independent samples ttest was applied to compare the different analysis methodologies. The significance level was set at p < 0.005. Results: The Cefbot successfully identified all landmarks in the frontal analysis. However, when compared with the Ecal, two specific points, ZA`(y) and Co1(y), showed statistically significant differences (p< 0.001). In the profile analysis, Cefbot failed to identify 8 out of 17 landmarks. Conclusion: Within the limitations of the methodology applied, the Cefbot tool can be considered a promising resource for automated cephalometric analysis. Nevertheless, significant differences in two frontal landmarks and the absence of multiple landmarks in the profile analysis warrant caution in its use.