AVALIAÇÃO DA ACURÁCIA E DA REPETIBILIDADE DE MODELOS MULTIMODAIS DE INTELIGÊNCIA ARTIFICIAL NA CLASSIFICAÇÃO DE MODALIDADES RADIOGRÁFICAS ODONTOLÓGICAS
Revista DCS · 14.11.2026 · 23 (100) · 1-25
DOI: 10.54899/dcs.v23i100.215 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista DCS, online erschienen am 14.11.2026. Verfasst von Odirlei Arruda Malaspina und 5 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
Objetivou-se avaliar a acurácia e a repetibilidade dos modelos multimodais de inteligência artificial ChatGPT e Gemini na classificação de radiografias odontológicas periapicais, interproximais e panorâmicas, bem como caracterizar os erros de classificação. Foram selecionadas 150 radiografias digitais, provenientes de 150 pacientes distintos, distribuídas igualmente entre as três modalidades. Cada imagem foi submetida a três avaliações por modelo, em conversas independentes, utilizando comando textual idêntico e sequências de apresentação randomizadas, totalizando 900 classificações. As respostas foram comparadas com o padrão de referência estabelecido previamente por radiologista especialista. O ChatGPT apresentou 444 acertos em 450 avaliações (98,67%), enquanto o Gemini obteve 449 (99,78%). A acurácia integral por radiografia, definida pela obtenção de três classificações corretas, foi de 96,00% (144/150) e 99,33% (149/150), respectivamente. A repetibilidade, determinada pela obtenção de três respostas idênticas, foi de 96,00% para o ChatGPT e 99,33% para o Gemini. A comparação pareada da acurácia integral não demonstrou diferença estatisticamente significativa entre os modelos (teste exato de McNemar; p = 0,125). Dos sete erros registrados, seis corresponderam a classificações incorretas entre radiografias periapicais e interproximais, enquanto uma radiografia periapical foi classificada como panorâmica. Nenhuma radiografia panorâmica foi classificada incorretamente. Ambos os modelos apresentaram elevada acurácia e repetibilidade nas condições investigadas, sem demonstração de equivalência entre seus desempenhos. Os resultados não permitem inferir capacidade de interpretação diagnóstica.
Zitieren
APA
Malaspina, O. A., Afonso, N. D. S., Silva, C. P. E., Oliveira, T. M., Olszewski, R., & Menezes, M. D. (2026). AVALIAÇÃO DA ACURÁCIA E DA REPETIBILIDADE DE MODELOS MULTIMODAIS DE INTELIGÊNCIA ARTIFICIAL NA CLASSIFICAÇÃO DE MODALIDADES RADIOGRÁFICAS ODONTOLÓGICAS. Revista DCS, 23(100), 1-25. https://doi.org/10.54899/dcs.v23i100.215
Vancouver
Malaspina OA, Afonso NDS, Silva CPE, Oliveira TM, Olszewski R, Menezes MD. AVALIAÇÃO DA ACURÁCIA E DA REPETIBILIDADE DE MODELOS MULTIMODAIS DE INTELIGÊNCIA ARTIFICIAL NA CLASSIFICAÇÃO DE MODALIDADES RADIOGRÁFICAS ODONTOLÓGICAS. Revista DCS. 2026;23(100):1-25. doi:10.54899/dcs.v23i100.215
BibTeX
@article{Malaspina2026,
author = {Malaspina, Odirlei Arruda and Afonso, Nicole de Souza and Silva, Cristiano Pires e and Oliveira, Thais Marchini and Olszewski, Raphael and Menezes, Marcio de},
title = {AVALIAÇÃO DA ACURÁCIA E DA REPETIBILIDADE DE MODELOS MULTIMODAIS DE INTELIGÊNCIA ARTIFICIAL NA CLASSIFICAÇÃO DE MODALIDADES RADIOGRÁFICAS ODONTOLÓGICAS},
journal = {Revista DCS},
year = {2026},
volume = {23},
number = {100},
pages = {1--25},
doi = {10.54899/dcs.v23i100.215}
}
EUVIMED