Novo modelo utiliza imagens reconstruídas a partir de tomografias CBCT para localizar pontos anatômicos automaticamente e auxiliar na classificação de alterações esqueléticas.

A inteligência artificial acaba de dar mais um passo em direção à automatização da análise cefalométrica. Um novo modelo desenvolvido por pesquisadores conseguiu localizar automaticamente pontos cefalométricos em imagens reconstruídas a partir de tomografias computadorizadas de feixe cônico (CBCT) e apresentou desempenho semelhante ao método manual em uma etapa de classificação de alterações esqueléticas.

O modelo, chamado CephViT, utiliza uma arquitetura baseada em Vision Transformer para identificar pontos anatômicos em imagens cefalométricas. O diferencial está na origem das imagens: em vez de depender exclusivamente de radiografias cefalométricas convencionais, os pesquisadores utilizaram exames de CBCT para gerar radiografias laterais digitais, conhecidas como digitally reconstructed radiographs (DRRs).

O estudo, disponibilizado em 17 de agosto de 2026, avaliou a possibilidade de utilizar os pontos identificados automaticamente pela IA para auxiliar na classificação de diferentes padrões de má oclusão esquelética.

Precisão próxima da análise manual

No treinamento e na avaliação do modelo, o CephViT apresentou erro radial médio de 1,28 ± 1,42 mm na localização dos pontos cefalométricos e alcançou uma taxa de detecção bem-sucedida de 92%, considerando um limite de 3 mm.

O resultado mais interessante apareceu quando os pesquisadores utilizaram os pontos encontrados pela IA para classificar pacientes de acordo com alterações esqueléticas.

Na avaliação realizada com imagens reconstruídas a partir de CBCT, a classificação baseada nos pontos identificados automaticamente alcançou 70% de acurácia, enquanto a classificação utilizando pontos anotados manualmente chegou a 68,3%.

Embora a diferença seja pequena, o resultado demonstra que a identificação automatizada pode preservar informações suficientes para determinadas etapas da análise cefalométrica.

Por que isso importa?

A identificação de pontos cefalométricos é uma das etapas fundamentais da cefalometria. Pontos anatômicos são marcados nas imagens para que, posteriormente, sejam calculados ângulos, distâncias e proporções utilizados no diagnóstico ortodôntico e no planejamento do tratamento.

Tradicionalmente, esse processo depende da identificação manual realizada pelo profissional. Além de consumir tempo, a marcação pode apresentar variações entre diferentes examinadores — ou até mesmo quando o mesmo profissional repete a análise.

A automatização pode reduzir esse trabalho e tornar determinadas etapas do processo mais rápidas e padronizadas.

O desenvolvimento também é relevante porque explora uma possibilidade adicional do CBCT: utilizar um único exame tridimensional para gerar diferentes representações e realizar análises cefalométricas automatizadas.

A inteligência artificial pode acelerar a identificação e os cálculos, mas a interpretação clínica continua dependendo do profissional.

IA ainda não substitui o ortodontista

Apesar dos resultados promissores, a tecnologia ainda está longe de significar a substituição da análise profissional.

Pesquisas publicadas ao longo de 2026 mostram resultados diferentes dependendo do tipo de imagem, do ponto anatômico analisado e do algoritmo utilizado. Um estudo publicado na Head & Face Medicine, por exemplo, concluiu que métodos automatizados apresentaram maior reprodutibilidade que a análise manual, mas ressaltou que a supervisão profissional continua necessária.

Outro estudo, publicado na Progress in Orthodontics, avaliou ferramentas de IA aplicadas diretamente a exames CBCT e encontrou diferenças de 3 a 6 graus em alguns dos principais ângulos cefalométricos quando comparadas à análise manual. Segundo os pesquisadores, discrepâncias desse tamanho podem ser clinicamente relevantes e até alterar diagnósticos ou planos de tratamento.

Por isso, a tendência atual parece estar mais relacionada à IA como assistente do ortodontista, e não como substituta. O algoritmo pode localizar estruturas, realizar cálculos e acelerar a análise, enquanto o profissional continua responsável por verificar os pontos e interpretar os resultados.

O próximo passo da cefalometria

O avanço do CephViT acompanha uma tendência mais ampla de digitalização da ortodontia. Revisões recentes apontam que a inteligência artificial já apresenta desempenho promissor na identificação automática de pontos cefalométricos, mas ainda existem diferenças importantes de precisão entre estruturas anatômicas e entre imagens 2D e 3D.

Na prática, o cenário que começa a se desenhar é o de uma cefalometria mais automatizada: o software identifica os pontos, calcula as medidas e apresenta uma primeira interpretação, enquanto o ortodontista valida as informações antes de utilizá-las na tomada de decisão clínica.

Se os modelos continuarem evoluindo, exames que hoje exigem uma sequência de marcações e cálculos manuais poderão, no futuro, ser processados em poucos segundos — transformando a cefalometria em mais uma etapa automatizada do diagnóstico ortodôntico.