Na prática pericial em Odontologia e Antropologia Forense, existem várias técnicas que se baseiam em medidas e/ou características craniométricas e dentais para a realização da identificação primária, estimativa da idade, determinação do sexo, estimativa da ancestralidade e outras aplicações. 

Quando precisamos determinar ou estimar uma dessas características, podemos recorrer a técnicas metodológicas e estatísticas, que determinam por fórmulas matemáticas, a probabilidade daquela peça examinada ser de um determinado sexo, idade ou ancestralidade. 

Vamos entender melhor essa dinâmica?

Suponhamos que queremos estimar a idade em adultos jovens utilizando os terceiros molares. Para exemplificar, vamos utilizar um estudo real (1). Vamos apresentar apenas uma das fórmulas propostas para o sexo feminino utilizando o dente 48.

Temos: Idade estimada =15,91+(Estágio de Demirjian para o dente 48*0,40). Vamos simular que o dente 48 de um indivíduo seja classificado pelo Odontolegista como o estágio 4 (mineralização de 3/3 de coroa), dessa forma teríamos idade estimada =15,91+(4*0,46).

Aplicando a fórmula, teríamos a estimativa de 16 anos e seis meses com intervalo de confiança de 8 meses de idade para mais ou para menos. Existem formulas estatísticas mais complexas para cada aplicação.

Muitas metodologias apresentam resultados animadores, já em outras situações não mostram bons resultados. Para melhorar esses resultados, alguns pesquisadores estão usando técnicas que utilizam mecanismos de Inteligência Artificial. 

Uso da Inteligência Artificial

A Inteligência artificial envolve várias tecnologias para simular capacidades humanas ligadas à inteligência. Na Odontologia e Antropologia Forense são utilizadas técnicas de aprendizado de máquinas (Machine Learning) e aprendizado profundo (Deep Learning) para que os algoritmos de análise melhorem seus resultados práticos.

Existem vários tipos de algoritmos que podem ser utilizados: Árvores de Decisão, Classificação Naive Bayes, Extreme Gradient Boosting – XGBoost, Support Vector Machine, Ensemble Methods, Algoritmos de Agrupamento, Decomposição em valores singulares, Análise de Componentes Principais, KNN (K-vizinhos mais próximos), Random Forest, entre outros.

Em uma pesquisa para verificar o dimorfismo sexual e medidas dentais (2), foram utilizados três tipos de algoritmos diferentes. Utilizando cada algoritmo era determinada pelas medidas dentais se um participante era do sexo feminino ou masculino e esse resultado era comparado com o registro real. Utilizando a função discriminante linear a porcentagem de aceto foi de 71,2%, utilizando a técnica KNN esse índice de aumentou para 79,9% de possibilidade de acerto.

Muitos trabalhos têm buscado o melhor algoritmo, em pesquisa para verificar a estimativa do sexo a partir de pontos anatômicos em radiografias panorâmicas utilizando técnicas de aprendizado de maquinas (3), foram utilizados 5 algoritmos diferentes: KNN (acerto de 93,7%), Stochastic Gradient  (acerto de 76,5%), Neural network (acerto de 99,2%), Naive Bayes (acerto de 84,7%) e Logistic regression (acerto de 84,7%). A correta utilização dos algoritmos podem colaborar para o nível de acerto das técnicas utilizadas.

Automação das informações

Outra aplicação é a automação das informações colhidas, utilizar técnicas de Inteligência Artificial para coletar informações automatizadas. Para demostrar esse recurso, foi realizado um estudo que fez um processo automatizado de identificação utilizando radiografias panorâmicas. Foram comparadas 100 radiografias ante mortem (AM) e 100 radiografias e post mortem (PM), a automação acertou em 85% dos pares. 

Para você que tem atuação em Odontologia e Antropologia Forense, seja no campo pericial ou na realização de pesquisas (de uma Iniciação Científica a um Pós-Doutoramento), um campo promissor de atuação nessa ciência, a Inteligência Artificial será uma oportunidade de atuação que vai se desenvolver muito nos próximos anos. As dificuldades para atuar nessa área, são a necessidade de aprofundamento em questões estatística, metodológicas e conhecimentos em linguagem de programação. 

Autor

Prof. Dr. Edgard Michel Crosato. Professor Livre-Docente do Departamento de Odontologia Social da Faculdade de Odontologia da Universidade de São Paulo.

Email: michelcrosato@usp.br.

Referencias

1) Lopez TT, Arruda CP, Rocha M, Rosin AS, Michel-Crosato E, Biazevic MG. Estimating ages by third molars: stages of development in Brazilian young adults. J Forensic Leg Med. 2013 Jul;20(5):412-8. doi:10.1016/j.jflm.2012.12.001.

2) Martins Filho IE, Lopez-Capp TT, Biazevic MG, Michel-Crosato E. Sexual dimorphism using odontometric indexes: Analysis of three statistical techniques. J Forensic Leg Med. 2016 Nov;44:37-42. doi: 10.1016/j.jflm.2016.08.010.

3) AG Ortiz, C. Costa, RHA Silva, MGH Biazevic, E. Michel-Crosato. Sex estimation: Anatomical references on panoramic radiographs using Machine Learning. Forensic Imaging. 2020. March. 20:200356 Doi: 10.1016/j.fri.2020.200356.

4) AG Ortiz, Soares G.H; Rosa G.C. MGH Biazevic, E. Michel-Crosato. A pilot study of an automated Personal Identification process: applying Machine Learning on panoramic radiographs.’ Imaging Science in Dentistry. In Press. 2021

Imagem para a capa: Pixabay. 

Para ler mais matérias com nossos convidados, clique aqui.