Talvez você, como odontopediatra,  já tenha usado inteligência artificial na clínica, sem perceber, para transformar uma informação complexa em uma explicação mais simples para os pais, para estruturar um texto de orientação, para resumir um artigo ou para pensar em perguntas que gostaria de responder antes de uma consulta ….

Mas existe uma diferença importante entre usar inteligência artificial como ferramenta de apoio e permitir que ela participe da decisão clínica. E essa diferença se torna ainda mais relevante quando falamos de crianças.

Na Odontopediatria, não lidamos apenas com dentes. Lidamos com crescimento, desenvolvimento, dentição em transformação, comportamento, risco de cárie, histórico familiar, hábitos, contexto social e uma quantidade enorme de informações que precisam ser integradas para que uma decisão clínica faça sentido. É justamente nesse cenário que a IA começa a despertar interesse. 

Não necessariamente para substituir o olhar do odontopediatra. Mas para reconhecer padrões, organizar informações, auxiliar na interpretação de imagens, estimar riscos e apoiar tarefas que, hoje, dependem exclusivamente da nossa capacidade de analisar muitos dados ao mesmo tempo.

A literatura mais recente mostra que esse potencial existe, mas mostra também algo que considero ainda mais importante: a distância entre uma tecnologia que funciona bem em um estudo e uma tecnologia que pode ser incorporada com segurança à rotina clínica ainda é grande.

Uma IA pode apresentar excelente desempenho para detectar uma lesão de cárie em determinado conjunto de radiografias e, ainda assim, não estar pronta para decidir o que fazer com aquela criança. Pode produzir uma resposta extremamente convincente sobre uma conduta e, ainda assim, conter uma informação incorreta. Pode identificar um padrão que nós não percebemos, mas não compreender o contexto clínico que levou aquela criança até o consultório.

Por isso, a pergunta mais interessante talvez NÃO seja: “A inteligência artificial vai substituir o odontopediatra?”

A pergunta mais útil é:

“Em quais partes do meu trabalho clínico a inteligência artificial pode aumentar minha capacidade sem diminuir minha responsabilidade?”

É sobre essa diferença que vale a pena conversar.

 

O que a evidência nos mostra sobre inteligência artificial e odontopediatria

A inteligência artificial não é uma única tecnologia. Na Odontopediatria, estamos falando de diferentes aplicações, desde sistemas capazes de analisar imagens até modelos preditivos e, mais recentemente, ferramentas de inteligência artificial generativa, como os grandes modelos de linguagem. E cada uma dessas aplicações tem um nível de evidência diferente.

A evidência mais consistente atualmente está relacionada à análise de imagens e tarefas diagnósticas específicas.

Uma revisão sistemática e meta-análise publicada em 2026 (1) reuniu 32 estudos sobre inteligência artificial aplicada à Odontopediatria, dos quais 15 apresentavam dados suficientes para análise quantitativa. Os estudos envolveram, principalmente, detecção de cárie em radiografias, identificação de dentes supranumerários e mesiodens, avaliação do desenvolvimento dentário e predição de risco de cárie na primeira infância. Na detecção radiográfica de cárie, por exemplo, os resultados agrupados foram expressivos: sensibilidade de 0,91, especificidade de 0,97 e AUC de 0,98. 

Estes números chamam atenção. Mas eles precisam ser interpretados corretamente. Eles não significam que “a IA diagnostica cárie com 98% de certeza”, mas sim que determinados modelos apresentaram excelente capacidade discriminatória dentro dos contextos e conjuntos de dados avaliados. Esta diferença parece pequena, mas muda completamente a maneira como devemos interpretar a tecnologia.

O próprio estudo chama atenção para a heterogeneidade entre os trabalhos, relacionada aos protocolos de imagem, à forma como as imagens foram anotadas, às características dos bancos de dados e aos métodos de validação. A limitada validação externa e a escassez de estudos prospectivos em condições reais também são apontadas como obstáculos para a implementação clínica imediata.

Uma segunda revisão (2), publicada em 2026, ajuda a colocar esses resultados em perspectiva. Garg, Gupta e Gupta realizaram uma umbrella review que reuniu sete revisões sistemáticas, envolvendo 109 estudos primários. Os autores encontraram desempenho promissor especialmente para aplicações baseadas em imagens, com sensibilidades e especificidades agrupadas na faixa de 80% a 83% e AUCs entre 0,87 e 0,91. Mas existe uma informação que merece tanta atenção quanto os resultados de desempenho: a maioria das revisões avaliadas apresentou qualidade metodológica baixa ou criticamente baixa.

Ou seja, a tecnologia pode ser promissora enquanto a certeza da evidência ainda é limitada. Esta talvez seja uma das mensagens mais importantes para o clínico. Não basta perguntar se a inteligência artificial funciona. Precisamos perguntar:

Funciona para qual tarefa? Em qual população? Com qual tipo de imagem? Em qual contexto? Foi validada externamente? E o que acontece quando ela erra?

Esse raciocínio muda bastante a expectativa em relação à IA. Outro campo interessante é a utilização de modelos de machine learning para predição.

Uma das pesquisas (3) utilizadas para a redação desta newsletter avaliou modelos capazes de estimar o risco de falha de restaurações em dentes decíduos e permanentes. No conjunto, com 637 restaurações de 161 crianças acompanhadas por dois anos, os modelos apresentaram desempenho moderado. Nos dentes decíduos, a inteligência artificial conseguiu reconhecer alguns padrões relacionados às restaurações que tinham maior chance de apresentar problemas ao longo do acompanhamento. É interessante observar que idade, número de dentes cariados e número de superfícies restauradas apareceram entre os principais fatores associados às previsões do modelo para dentes decíduos.

Aqui aparece uma possibilidade particularmente interessante para a Odontopediatria. O valor da IA pode não estar apenas em “enxergar melhor uma radiografia”. Pode estar também em integrar muitas variáveis simultaneamente. Nós fazemos isso o tempo todo.

Uma criança de quatro anos com experiência de cárie elevada, múltiplas superfícies restauradas, determinada frequência alimentar e histórico de faltas às consultas representa um cenário diferente de outra criança com a mesma idade e uma única lesão inicial. A inteligência artificial pode ajudar a reconhecer padrões em conjuntos grandes de informações.

Mas reconhecer um padrão não é o mesmo que compreender uma criança.

 

O que isso muda na prática

É aqui que a conversa fica mais interessante. Porque talvez o uso mais inteligente da IA na clínica infantil, hoje, não seja entregar a ela a decisão final. Talvez seja utilizá-la para aumentar a qualidade do nosso processo de decisão.

Imagine, por exemplo, uma radiografia panorâmica de uma criança em dentição mista. Existem dentes em diferentes estágios de desenvolvimento, sobreposições, estruturas anatômicas e possíveis alterações de número ou posição. Modelos de inteligência artificial já vêm sendo estudados para identificação de dentes supranumerários, mesiodens, numeração dentária e avaliação do desenvolvimento dentário. Uma revisão sistemática de 2026 encontrou resultados promissores nesses diferentes campos.

Nesse cenário, a IA pode funcionar como uma espécie de segunda leitura. Não para substituir a interpretação do odontopediatra, mas para chamar a atenção para uma região que merece ser cuidadosamente revisada. Esta lógica é diferente de perguntar à IA: “Qual é o diagnóstico dessa criança?”

É perguntar: “Existe alguma alteração nesta imagem que eu deveria verificar com mais atenção?”

A diferença está na responsabilidade clínica. O mesmo raciocínio pode ser aplicado à cariologia, por exemplo.

A IA pode ajudar na identificação de padrões radiográficos ou fotográficos relacionados à presença de lesões. Pode também participar de modelos de estratificação de risco, mas a decisão clínica precisa incorporar informações que não estão necessariamente contidas na imagem, como:

Atividade da doença, exposição a açúcar, higiene, uso de fluoretos, experiência pregressa de cárie, condições familiares, adesão aos cuidados preventivos, idade, estágio de desenvolvimento e possibilidade real de acompanhamento.

É isso que transforma uma imagem em uma decisão clínica. E é justamente aqui que existe um risco importante de uso inadequado da inteligência artificial: confundir capacidade de reconhecimento de padrões com capacidade de julgamento clínico.

Outro espaço em que a IA generativa pode ser útil é menos sofisticado tecnologicamente, mas muito presente na rotina: comunicação, explicações para os pais, orientações pós-operatórias, elaboração de textos educativos, organização de informações, preparação de aulas, resumo e comparação de artigos, transformação de linguagem técnica em uma explicação mais compreensível.

Uma revisão sistemática recente sobre grandes modelos de linguagem, como o GPT, em Odontologia (4) identificou estudos avaliando seu uso para perguntas de pacientes, apoio diagnóstico, avaliação de modelos e suporte à decisão clínica. Os autores destacaram o risco de informações incorretas ou incompletas e reforçaram que esses sistemas devem ser considerados ferramentas de apoio, e não substitutos do julgamento profissional.

E existe um detalhe especialmente relevante para nós. Nessa revisão, havia pouca literatura especificamente voltada para a prática clínica odontopediátrica. Isto significa que não devemos simplesmente pegar resultados obtidos em outras especialidades odontológicas e assumir que eles se aplicam integralmente à criança.

 A criança não é apenas um adulto pequeno. E uma IA treinada predominantemente com dados de adultos também não deveria ser automaticamente considerada adequada para a população infantil.

 

O erro que eu mais gostaria que o odontopediatra evitasse

não é ter medo da inteligência artificial, mas sim confiar nela porque a resposta parece boa.

Esse é um dos aspectos mais perigosos dos grandes modelos de linguagem. A IA é  excelente em produzir respostas que soam coerentes, mas coerência linguística não é sinônimo de verdade científica. Uma resposta pode ser elegante, bem estruturada, convincente e completamente equivocada.

Por isso, quando utilizamos IA generativa para assuntos clínicos, existe uma regra que considero fundamental:

Quanto maior o impacto daquela informação sobre a decisão clínica, maior precisa ser a nossa necessidade de verificar a fonte.

Se a ferramenta ajudou a transformar um artigo em uma linguagem mais simples para estudar, ótimo. Se ajudou a organizar uma aula, ótimo. Se sugeriu perguntas para uma discussão clínica, ótimo, MAS  se ela está dizendo que determinado procedimento é indicado, que determinado medicamento deve ser utilizado ou que determinado achado radiográfico significa determinada condição, a resposta precisa voltar para a literatura, para as diretrizes e para o raciocínio clínico.

A IA pode acelerar o caminho, mas ela não elimina a necessidade de percorrê-lo!

 

Olhar de professora

Existe uma coisa que ocorre com frequência na formação acadêmica: o aluno quer uma resposta,  MAS o professor precisa ensiná-lo a construir uma decisão.

Essa diferença se torna ainda mais importante com a inteligência artificial, porque nunca foi tão fácil obter uma resposta rápida! Mas também nunca foi tão necessário saber avaliar a resposta recebida.

Talvez uma das competências clínicas mais importantes dos próximos anos não seja simplesmente saber usar inteligência artificial. Será saber fazer boas perguntas, reconhecer quando a resposta é insuficiente, identificar possíveis erros e voltar às fontes adequadas. Isso exige conhecimento.

Paradoxalmente, quanto mais poderosa fica a ferramenta, mais importante se torna o conhecimento de quem a utiliza. O odontopediatra que não domina cariologia não se torna especialista em cariologia porque utiliza IA. O profissional que não sabe interpretar uma radiografia não passa a dominar radiologia porque uma ferramenta apontou uma área suspeita. E uma resposta bem escrita não substitui experiência clínica, exame físico, anamnese e acompanhamento longitudinal. A tecnologia pode ajudar a enxergar padrões MAS quem decide o que aquele padrão significa para aquela criança continua sendo o profissional.

E existe ainda uma questão que considero fundamental: previsibilidade. Na clínica infantil, não buscamos apenas diagnósticos corretos, mas sim decisões que possam ser explicadas, acompanhadas e revistas.

Se uma ferramenta de IA sugerir que determinada criança apresenta alto risco de determinada condição, precisamos saber por quê: Quais dados foram utilizados? Qual foi a qualidade desses dados? O modelo foi validado em crianças semelhantes às nossas? Qual é a taxa de erro? O que acontece quando ele erra?

Quanto mais uma tecnologia participa da decisão, mais precisamos exigir transparência sobre seu funcionamento e suas limitações. Os trabalhos mais recentes caminham justamente nessa direção, destacando a necessidade de validação externa, conjuntos de dados pediátricos mais amplos e diversificados, transparência e modelos que permitam maior compreensão de como as previsões são produzidas.

Para mim, essa é a grande virada de chave. Não precisamos escolher entre “usar IA” e “não usar IA”. Precisamos aprender a usá-la nos lugares em que ela realmente acrescenta valor e reconhecer os lugares em que ainda não temos evidência suficiente para delegar a ela qualquer decisão.

A melhor inteligência artificial para a clínica infantil não será aquela que toma mais decisões pelo odontopediatra. Será aquela que ajuda o odontopediatra a tomar decisões melhores, mais organizadas e mais conscientes dos próprios limites.

Concluindo, a inteligência artificial já chegou à Odontopediatria. A pergunta relevante não é se devemos aderir a ela, mas sim como incorporar essa tecnologia sem terceirizar o nosso raciocínio clínico.

Hoje, a evidência é mais consistente para algumas tarefas específicas, especialmente análise de imagens e determinadas aplicações diagnósticas. Para modelos preditivos e, principalmente, para ferramentas generativas aplicadas diretamente à decisão clínica, ainda existem limitações importantes de validação e qualidade da evidência.

Talvez o primeiro passo seja simples: da próxima vez que você utilizar uma ferramenta de IA no seu trabalho, não pergunte apenas: “O que ela respondeu?”

Pergunte também: “Como eu sei que isso está certo?”

Essa segunda pergunta é, e continuará sendo, profundamente humana.

beijinhos,

profa. Ana Lidia Ciamponi

 

Referências

1. Karamüftüoğlu N, Üçpunar BY, Birben İ, Altundağ AE, Mullaoğlu KÖ, Bal C. Artificial Intelligence in Pediatric Dentistry: A Systematic Review and Meta-Analysis. Children (Basel). 2026;13(1):152. doi:10.3390/children13010152.
2. Garg I, Gupta S, Gupta S. Role of Artificial Intelligence in Pediatric Dentistry: An Umbrella Review. Int J Paediatr Dent. 2026;36(4):556-566. doi:10.1111/ipd.70084.
3. Romero VHD, Chaves ET, Vinayahalingam S, et al. Predicting restoration failures in primary and permanent teeth – A machine learning approach. Dent Mater. 2026;42:100-108. doi:10.1016/j.dental.2025.09.009.
4. Tokgöz Kaplan T, Erdinç Akyol G. The role of large language models in dental diagnosis, decision-making, and communication: A systematic review. Jpn Dent Sci Rev. 2026;62:57-67. doi:10.1016/j.jdsr.2026.01.002.

 

 

A odontopediatria está mudando e acompanhar essa transformação exige mais do que conhecer novas tecnologias.

Exige repertório. Repertório para interpretar a evidência, reconhecer limites, fazer boas perguntas e tomar decisões clínicas coerentes com cada contexto.

Esta é a formação que buscamos construir na Sapere: uma educação baseada em conhecimento, pensamento crítico e aplicabilidade clínica. Nossos cursos foram desenvolvidos para profissionais que não querem apenas aprender “como fazer”, mas desejam compreender por que fazer, quando fazer e quando escolher outro caminho.

Se esse é o tipo de formação que você procura, clique AQUI e conheça os cursos da Sapere Dental Edu.

Porque a verdadeira atualização profissional não acontece quando aprendemos uma nova técnica. Ela acontece quando passamos a enxergar nossas decisões clínicas de uma maneira diferente.